.pdf · application/pdf
PDF: PDF(ポータブルドキュメント形式)
PDF は段落や見出しといった意味構造ではなく、バイナリストリームと文字座標によって固定ページレイアウトを保持する文書形式です。
クイックアンサー: PDF は段落や見出しといった意味構造ではなく、バイナリストリームと文字座標によって固定ページレイアウトを保持する文書形式です。 印刷レイアウト通りの契約書、請求書、学術論文、閲覧専用の公式資料配布。
| 構造タイプ | 文書コンテナ |
|---|---|
| 可読性 | 低 |
| ネスト対応 | 非対応 |
| LLM トークン効率 | 低 |
| 拡張子 | .pdf |
| MIME タイプ | application/pdf |
| 主な用途 | 印刷レイアウト通りの契約書、請求書、学術論文、閲覧専用の公式資料配布。 |
メリット
- OS やプリンター環境に左右されずフォント・余白・組版を厳密に保持できる
- Markdown から配布用レポートを作成する際の標準書き出し先として最適
- 電子署名や公式アーカイブの保存形式として広く信頼されている
注意点・トレードオフ
- バイナリ形式のためそのままテキスト貼り付けや LLM 入力に使えない
- 段組や折り返し改行を単純コピーすると文の途中で改行が分断される
- 画像スキャンだけの PDF にはテキスト層がなく OCR なしでは抽出できない
参考文献
PDF をローカルで変換・整形
関連エンジニアリングガイド
- Markdown → PDF 出力 & PDF → TXT 抽出:完全オフライン文書ワークフローMarkdown を日本語対応の A4/Letter PDF へローカル出力し、セルフホスト PDF.js で PDF から改行・ハイフン補正済みの TXT や Markdown を抽出します。
- PDF・Word・Excel を RAG・LLM 向けのクリーンな Markdown へ変換する方法機密性の高い PDF、Word (DOCX)、Excel シートをサーバー送信なしで構造化された Markdown へ抽出し、ベクトル検索や LLM 入力に最適化します。
- ChatGPT 向けにテキスト・契約書・ログをローカルで匿名化する方法ChatGPT や Claude に貼り付ける前に、氏名・IBAN・契約書・API キーをブラウザ RAM 内で可逆 [[TYPE-NN]] トークンへ置換します。
- なぜサーバー送信型のオンライン整形ツールは危険なのか — ゼロアップロード設計の仕組み.env・JWT・顧客 CSV・契約書を外部変換サイトへ貼る危険性と、DevTools Network タブで送信量 0 バイトを確認できる仕組みを解説します。
関連フォーマット
全24形式を見るPDF に関するよくある質問
TxtTo は機密 PDF をサーバーに送信せずどうやってテキスト抽出していますか?
同一オリジンでホストされたローカル PDF.js ワーカーをブラウザメモリ上で実行し、文字サイズから見出し推定や改行結合を完全オフラインで行います。
Markdown から本物のバイナリ PDF をローカル生成できますか?
はい。Markdown to PDF は pdf-lib によりブラウザ内で %PDF-1.7 を生成し、日本語・CJK 文字も高解像度描画で文字化けせず出力します。
抽出した PDF テキストにページ番号やヘッダーが毎回混入するのはなぜですか?
PDF では各ページの欄外文字列も本文と同じテキストオブジェクトとして記録されるためです。ヘッダー/フッター除去設定で自動除外できます。