PDF分割・ページ抽出（しおり・テキスト・区切りページ）

PDF分割・ページ抽出（しおり・テキスト・区切りページ）について

PDFの分割は「どこで切るか」を何で決めるかで方法が変わります。このツールは、ページ数・範囲・容量で機械的に切る基本モードに加え、しおりの位置、ページに印字された文字（請求書番号など）、連続スキャンの間に挟んだ白紙やQR区切り紙、そして見開きで1枚に2ページ写った本のスキャンを半分にするモードまでまとめています。

どのモードも、原本を再レンダリングせずページオブジェクトをそのまま移して結果を作ります。文字は文字、ベクターはベクターのままで画質は落ちません。その代わり、この方式ならではの特徴として、分割したファイルの合計容量が原本より大きくなります。

分割後の合計が原本より大きくなる理由

PDFではフォント、ロゴ画像、カラープロファイルなどのリソースは一度だけ保存され、複数のページが同じオブジェクト番号で参照します。100ページの報告書が1.5MBの日本語フォントのサブセット1つを全ページで共有していれば、10分割したとき各ファイルはそのフォントを丸ごと1つずつ持つ必要があります。しかもサブセットは原本全体で使った文字を含むため、3ページだけ抜き出したファイルにも100ページ分の文字が入っています。

このツールは結果ファイルごとに、そのページが参照しなくなったオブジェクト（抜けたページの内容、そのページだけの画像など）を削除して保存します。繰り返されるのは共有リソースだけで、各ページの内容は1回ずつです。ページごとに画像を持つスキャンPDFなら分割しても合計はほぼ原本どおりで、フォントが重い文書ほど合計が膨らみます。和文フォントは字数が多いぶん、この差が欧文より大きく出がちです。

容量指定の分割がぴったり収まる仕組み

「1ファイル5MB以下」という条件はページ数に換算できません。最初の3ページが写真入りの表紙で、残りは文字だけということもあるからです。このモードは各ページが参照するオブジェクトのサイズを合計して1束に何ページ入るかを見積もり、実際に保存したサイズと見積もりの比で次の見積もりを補正します。保存結果が上限を超えたら、その束だけ二分探索でページ数を減らして作り直します。

1ページだけで上限を超える場合（スキャン1枚が8MBなど）は分割できないので、そのページ番号を示して止まります。先にPDF圧縮で画像を小さくしてください。メール添付の上限に合わせるなら5〜10%低めに設定しましょう。添付ファイルは送信時にBase64でエンコードされ、約3分の1大きくなります。

しおりで分割：目次の構造がそのまま区切りになる

しおり（Outlines）はタイトルと移動先ページを持つ項目のツリーです。第1階層が章、第2階層が節なら、階層1を選ぶと章ごとに1ファイルができ、ファイル名は「001-はじめに.pdf」のようにしおりのタイトルになります。実際にページを指すしおりだけが分割点になり、タイトルだけのまとめ用しおりやURLを開くしおりは飛ばします。

分割後の各ファイルにはその範囲内のしおりだけが残り、抜けたページを指していた項目は整理されます。子項目を持つ親の見出しは、自分の移動先ページが抜けても見出しとして残ります。

文字で分割：まとめて出力した請求書や給与明細

会計ソフトから一括出力した300ページの請求書は、たいてい各ページに「請求書番号：INV-1024」のような行があります。このモードは各ページのテキストレイヤーを読み、その値が変わる箇所（または値が現れるすべての箇所）で切ります。ファイルを開くと、多くのページで繰り返され値がよく変わる「ラベル：値」の行を探して候補として示します。会社名のように全ページ同じ値は区切りにならないので下位になります。

検索範囲を「ページ上部N%」に絞れば、本文中に引用された別の番号に反応しません。ファイル名には{値}、{順番}、{開始ページ}などのトークンを使えるので、「INV-1024.pdf」のようにそのまま送れる名前にできます。スキャンPDFにはテキストレイヤーがないため、先にOCRを通してください。

白紙・QR区切り紙で分割：連続スキャンした書類の束

ADFに複数の書類をまとめて入れ、書類の間に白紙を挟んでスキャンすると、このモードが白紙を境にファイルを分けます。判定はページの周囲5%を除いた範囲で、明るさ160未満（0〜255）の暗いピクセルの割合を見て、既定値0.05%以下なら白紙とみなします。周囲を除くのは、スキャン端の影やパンチ穴が白紙を「内容のあるページ」にしてしまう典型的な原因だからです。

両面スキャンでは区切り紙1枚が白紙2ページになるので、「連続する白紙の最小数」を2にしてください。そうすれば書類の中にもともとあった裏面の白紙1ページを境目と誤認しません。白紙の代わりにQR区切り紙を印刷して挟めば誤判定はほぼなく、QRの内容（例：「DOC:契約書-A社」）をファイル名に使えます。区切りページは削除するか、次の書類の先頭または前の書類の末尾として残せます。

見開きの分割：1枚に2ページ写った本のスキャン

本を開いてスキャンすると、横長の1枚に左右のページが一緒に写ります。このモードは画像を切り貼りしません。ページ辞書を2回浅く複製して同じ内容ストリームを共有させ、それぞれのCropBox（表示領域）だけを左半分・右半分に狭めます。画質の劣化はなくファイルもほとんど大きくなりませんが、隠れた半分のピクセルはファイル内に残っています。

分割線は20〜80%の間で動かせ、のど側の文字が切れないよう各半分が線の向こうへ数mm重なるようにできます。縦書きの日本語の本は右ページが先なので「右から」を選んでください。表紙・裏表紙を1ページだけでスキャンした場合は、最初と最後の1枚を分割しない設定にできます。

例

使い方

1. PDFを選び、分割方法（ページ数・範囲・容量、しおり、文字、白紙/QR、見開き）を選びます。
2. モードごとの基準を決め、プレビューで区切りが正しいか確認します。必要ならページごとに区切りを手動で切り替えます。
3. 分割を実行し、ファイルを個別に、またはZIPでダウンロードします。

よくある質問

関連ガイド

• PDFファイルの中身：オブジェクト、相互参照表、そして編集しにくい理由