PDF注釈の抽出・削除

PDF注釈の抽出・削除について

PDFに付けた付箋・ハイライト・取り消し線・スタンプは、すべて注釈（annotation）という別オブジェクトです。ページの内容の上に載っているだけなので、画像として平坦化されていない限り、一覧に取り出すことも、きれいに取り除くこともできます。

抽出タブはコメントをページ・種類・作成者・内容・マークした本文・更新日時・色・返信関係に整理し、CSV・Markdown・JSONの3形式で書き出します。削除タブは種類・作成者・ページ範囲で選んだ注釈を消し、ファイルを保存し直します。

ハイライトの下の文字と返信スレッド

ハイライト・下線・取り消し線の注釈は、塗る範囲を四角形の集まり（QuadPoints）として覚えているだけで、その下の文字は保存していません。このツールは四角形の中に入る本文を読み直して「マークした本文」列を埋め、四角形が単語の途中を切っていれば文字数の比率で切り取ります。これで「どの文にどんな指摘が付いたか」が1行にまとまります。スキャンPDFのように文字層がなければこの列は空です。

返信は親コメントを指すIRTでつながっています。書き出しでは返信を親の直後に並べ、Markdownでは字下げでスレッドを表します。内容欄が空でリッチテキスト（RC）だけを持つ注釈は、タグを外したプレーンテキストにします。日付は「D:20240115093000+09'00'」のようなPDF形式を「2024-01-15 09:30:00+09:00」に直します。

削除タブが一緒に消すもの

既定の対象は付箋・ハイライト・図形・手書き・スタンプなどの校閲注釈で、リンクとフォームフィールドはチェックしたときだけ消えます。注釈を一つ消すと、そのポップアップと返信の連なりも消えます。フォームフィールドを消すと文書のフォーム一覧（AcroForm）からも外し、子がいなくなった親フィールドも整理します。

保存時にどこからも参照されなくなったオブジェクトをファイルから除くので、消したコメントの中身がファイルの後ろに残ることはありません。逆に、すでにページに平坦化された注釈は注釈ではなくページの絵の一部なので、このツールでは消せません。

例

使い方

1. PDFを追加するとコメント一覧と件数が出ます。
2. 種類・作成者のフィルタと、リンク・フォーム・ポップアップを除くかを決めます（削除は削除タブで対象を選びます）。
3. 書き出してCSV・MD・JSONを受け取るか、削除結果をプレビューで元と見比べます。

よくある質問

補足

注釈とページ内容がファイルの中でどう分かれているかは、ガイド「PDFファイルの中身」で説明しています。