lilacstone（ライラックストーン）　ネタブログ

PDFやOffice文書、HTMLなどからテキストだけを抜き出す

xdoc2txt
http://plaza3.mbn.or.jp/~h_ishida/xdoc2txt.html

PDFやOffice文書、HTMLなどからテキストだけを抜き出すことができるフリーソフトです。
PDFファイルなどからテキストだけを使用する場合などに役立ちそうです。
Officeなどの元のソフトがなくてもテキストを抜き出せるのでファイル内容を読むことだけでも使えそうです。dllや元のソフトがなくても抜き出せるという点は大きい。

◆対応している拡張子は以下の通り

.rtf 　　　　　　リッチテキスト
.doc　　　　　　Microsoft WORD ver5.0/95/97/2000
.xls 　　　　　　Microsoft Excel ver5.0/95/97/2000
.ppt　　　　　　Microsoft PowerPoint 97/2000
.jaw/jtw　　　　一太郎 ver5
.jbw/juw　　　　一太郎 ver6
.jfw/jvw　　　　一太郎 ver7
.jtd/jtt　　　　　一太郎 ver8/9/10/11/12
.oas/oa2/oa3　　OASYS/Win
.bun　　　　　　　新松/松5/松6
.wj2/wj3/wk3/wk4/123　　Lotus 123
.wri　　　　　　　Windows3.1 Write
.pdf 　　　　　　Adobe PDF
.mht　　　　　　Webアーカイブ
.html　　　　　　HTML

◆使い方は、フリーソフトとしてはちょっと特殊なので簡単な使い方を説明します。

解凍したら、適当な場所に置いてまずこのexeファイルのショートカットを作成します。
そのショートカットを選択し、右クリックメニューからプロパティを選択します。
ショートカットタブの中のリンク先の欄にexeファイルへのアドレスが入力されていると思います。その最後に半角の空白をあけて　-f　と入力してokボタンを押します。
（下図参照）

これで準備完了です。
あとは、テキストを取り出したいファイルをこのショートカットアイコンにドラッグすれば、元のファイルと同じ場所にテキストファイルができるはずです。
アイコンをドラッグするだけなので手軽ですね。

詳しくはこちらでも紹介されています。
窓の杜
http://www.forest.impress.co.jp/article/2003/11/19/xdoc2txt.html