■電子文書の標準的なフォーマットとしてPDFファイルが浸透してきた。しかし，ときには蓄積したPDFファイルから，それを再編集・加工して新しい文書ファイルを作らなければならないことがある。そのようなニーズに応えてくれるツールとして，PDFファイルをMicrosoft WordのDocファイルに変換するソフトを紹介する。
インターネット上で公開されている文書や，配布/回覧される文書などでPDF形式が広く使われている。社内の標準文章形式をPDFにしている企業も多い。閲覧に必要な「Acrobat Reader」の無償公開も理由の1つだが，以前取り上げたPDF作成ソフトの低価格化が普及の後押しをしている（該当記事）。
PDFファイルを受け取る機会が増えると，それを利用して「PDF文書を変更したい」という要望が出てくる。「可能ならば，元の文書ファイルが欲しい」と思った読者も多いだろう。そこで，PDFファイルからWordファイルを生成する変換ソフト3本を取り上げ，使い勝手と再現精度を比較した（表1）。
| ||||||||||||
| 表1●今回取り上げたPDF文書からWord文書を作成するソフト |
3つのファイルで変換精度を検証
ソフトの変換精度を検証するのに，3種類のWordファイルを用意した。
サンプル1：表を含む技術文書
Word形式の技術文書を「Acrobat 7.0」を使い作成したPDFファイル。「しおり」や「添付ファイル」機能を使用している（図1）。
サンプル2：画像を含むWeb画面
筆者のブログをInternet Explorer（IE）で表示させ，「Acrobat 4.0」を使いPDF化（図2）。
サンプル3：印刷文書をスキャンした画像
印刷した文書をキヤノン製のフラットベッド・スキャナ「CanoScan LiDE50」で読み込み，付属する「CanoScan Toolbox 4.1」でPDF化した（図3）。読み取り時の解像度は300dpi。
 △ 図をクリックすると拡大されます |
 △ 図をクリックすると拡大されます |
 △ 図をクリックすると拡大されます |
| 図1●サンプル1 | 図2●サンプル2 | 図3●サンプル3 |
低価格でシンプルなUIの「いきなりPDF to Data」
 △ 図をクリックすると拡大されます |
| 図4●いきなりPDF to Dataのユーザー・インターフェース |
元のPDFファイルのあった場所に，PDFファイル名の拡張子が除かれたフォルダが作成され，その中にWord文書が生成される。変換の途中で「Acrobat」もしくは「Adobe Reader」が起動されるが，変換が終了すると自動的に閉じられWordが起動する。作成されたWord文書のイメージは図5から図7のようになった。
 △ 図をクリックすると拡大されます |
 △ 図をクリックすると拡大されます |
 △ 図をクリックすると拡大されます |
| 図5●サンプル1をいきなりPDF to DataでWordファイル化 | 図6●サンプル2をいきなりPDF to DataでWordファイル化 | 図7●サンプル3をいきなりPDF to DataでWordファイル化 |
これらの結果から分かるようにレイアウトはテキスト・ボックスを用いて再現している。また，メーカーのホームページに記載があるように，このソフトはPDFファイルに含まれるテキスト・データを使わずに，OCR（光学式文字認識）処理している。そのため，他の2本と比較して誤変換が多かった。サンプル1の変換結果の1ページ目の誤読には次のようなものがあった。
|
正：All 誤：A11 正：1-1 誤：1･1 正：データがある 誤：データかおる 正：1-2 誤：1･2 正：Oracle 誤：0racle 正：Oracle 誤：Orade 正：Oracle 誤：Orade 正：/* 000.SQL */ 誤：/゛000.SQL゛/ 正：-- データの確認 誤：一一データの確認 正：-- 接続 誤：一一接続 正：SCOTT/TIGER@ORCL 誤：SCOTT/TIGER  ORCL正：EMPNO,ENAME 誤：EMPN0,ENAjxlE |
OCRソフトでよく見られる認識ミスである。この中には，半角文字が全角文字として認識されたものは含めていないが，該当するものは多かった。そのため，プログラミングの解説文書の変換などには向かない。サンプル2では，画像データ中に文字が含まれていると判断されている。サンプル3は，文字の色が正しく認識されていない。
