Tiny Online Tools
何が取り出せるか
このツールは、PDF が実際に保持している注釈オブジェクトを読み取ります。描画結果の画像ではありません。各コメントについて次を報告します。
- サブタイプ — Text（付箋）、Highlight、Underline、StrikeOut、Squiggly、Square、Circle、Line、Polygon、Ink、FreeText、Stamp、FileAttachment。
- 作者（
/T）、件名（/Subj）、本文。 - 作成日時と更新日時。
D:YYYYMMDDHHmmSS+HH'mm'形式から、タイムゾーンのオフセットを含めて解析します。ストックホルムの 09:15 に書かれたコメントは UTC の 09:15 と同じ瞬間ではなく、タイムゾーンを捨てた書き出しは並び順が狂います。 - 色（
/C）と内部色（/IC）。成分の個数に応じてグレー・RGB・CMYK として読み取り、不透明度（/CA）も取得します。 - ページ、矩形、フラグ（非表示フラグを含む）。
ハイライトの枠ではなく、ハイライトされた本文
Highlight、Underline、StrikeOut、Squiggly で本当に必要なのはマークされた文字列です。このツールは /QuadPoints を読み取ります。四角形ごとに 8 個の数値が、左上・右上・左下・右下の順で並びます。これは矩形の角の順序ではありません。各四角形をページのビューポートを通して射影し、中心がその内側に入る単語だけを残します。こうしてハイライトが、レビューに貼り付けられる引用になります。
返信スレッドが失われない
/IRT はどの注釈への返信かを、/RT はその種類を示します。多くの抽出ツールはこれを平坦化してしまい、会話が失われます。ここでは各返信が親を保持し、各ルートが返信件数を表示します。
絞り込みと書き出し
種類・作者・ページ・本文中の語で絞り込んでから書き出します。
- CSV — 注釈 1 件につき 1 行。BOM 付き UTF-8 なので Excel でも文字化けしません。
- JSON — 座標を含むすべて。スクリプト処理向けです。
- Markdown — 作者ごとにまとめ、ページ順に並べたレビュー要約。各コメントの上に、覆われた本文を引用します。
制限
枠の座標はページのビューポート経由で計算するため、回転したページでも正しく求まります。一方、ハイライト下の本文取得は回転していないページを前提としています。ポップアップ（/Popup）は個別には一覧しません。付箋の窓であって付箋そのものではないためですが、親の注釈にはその旨を表示します。
プライバシー
PDF の読み込みと解析はすべてブラウザー内で完結します。アップロードは行われず、コメントの文字がページの外に出ることもありません。