PDF、画像ファイルからテキストを抽出（レイアウトを意識して）｜画像生成と会話するAIの魅力と可能性
https://note.com/chat_gpt777/n/n28c8ca67d138
PDF、写真などの文書の原稿をOCRで取り込んで、それを書き出して、編集し直してWord文書にする。
いろいろな場面でカメラで撮影したり、OCRで取り込んだりした文書データをPDFや画像、写真データに纏めたものを使って、テキストを書きだしたり、表などのレイアウトをそのままにして取り出す。それをHtml+cssで見栄えもよくする。そしてhtmlファイルをそのままWordで開くことで、Wordに読み込める。そして.docxで保存する。Word文書として利用することが出来る。
1.PDFを分割してpngに変換
PDF to PNG 一括変換ツール（複数枚のPDFを一気にpngに）
https://pasopia.velvet.jp/2025/soft/index0069.html
ここで個別の画像にする。
そしてGemini2.5Proにアップロードする。下記のプロンプトで指示する。
「下記ファイルよりテキストを抽出してください。また見やすいように原本に合わせて整理して出力してください。見栄えが良いように。表などを意識したレイアウトで作成してください。これをhtml+cssで作成し直して、htmlに統合して出力してください」
出来上がったhtmlはGemini2.5Proがファイル名をつけてくれるのでそのまま保存する。2枚目も区別した名前を付けてくれる。順次htmlファイルを作成する。
そして出来上がったhtmlファイルをWordで読み込んで、.docxで保存する。これでWord文書完成しました。
画像をアップロードしてテキストを抽出するのであればそのまま「書き出してください」でテキストを書きだしてくれる。でも表形式などの文書ではレイアウトを意識した取り出し方が出来る方が良い。Gemini2.5Proはhtml+css形式のコードを作成することが出来る。これを利用してみました。
