レポートや請求書、PDF形式で保存されたデータセットを扱う際、開発者はしばしばその表データをスプレッドシートやデータベース、分析ツールで再利用する必要があります。一般的な解決策は JavaでPDFをCSVに変換すること です。CSVは軽量で構造化され、ほぼすべてのプラットフォームで扱えるため非常に便利です。 テキストや画像の書き出しと異なり、PDFからCSVへの変換の本質は PDFから表を抽出しCSVとして保存すること です。Spire.PDF for Java を使えば、PDF内の表構造を検出して数行のコードでプログラム的にCSVとして出力できます。 この記事では、環境構築から表抽出、さらに複数ページや1ページ内の複数表など複雑なケースへの対応まで、JavaでのPDFからCSVへの変換手順 をステップごとに解説します。 本チュートリアルの内容 環境構築 PDFから表を抽出してCSVに保存 複雑なケースの処理 まとめ FAQ JavaでPDFをCSVに変換するための環境構築 JavaでPDFをCSVに変換する前に、開発環境を整える必要があります。適切なライブラリを選び、プロジェクトに追加しましょう。 Spire.PDF for Javaを選ぶ理由 PDFファイルにはCSV形式でのエクスポート機能が備わっていないため、プログラムによる表抽出が現実的なアプローチです。Spire.PDF for Java は、PDF内の表構造を検出し、直接CSVに保存できるAPIを提供しており、シンプルかつ効率的に変換を行えます。 Spire.PDF for Javaのインストール Mavenを利用する場合は以下を追加します。 <repositories> <repository> <id>com.e-iceblue</id> <name>e-iceblue</name> <url>https://repo.e-iceblue.com/nexus/content/groups/public/</url> </repository> </repositories> <dependency> <groupId>e-iceblue</groupId> <artifactId>spire.pdf</artifactId> <version>11.8.3</version> </dependency> Mavenを使わない場合は、Spire.PDF for Javaパッケージをダウンロードし、JARファイルをプロジェクトのクラスパスに追加してください。 PDFから表を抽出してCSVに保存する PDFをCSVに変換する最も実用的な方法は表の抽出です。Spire.PDF for Javaを使えば以下のステップで実現できます。 PDFを読み込む PdfTableExtractor で各ページから表を検出 行ごとにセルの値を取得 CSVファイルに出力 以下にJavaコードのサンプルを示します。 Javaコード例：PDFからCSVへの変換 import com.spire.pdf.*; import com.spire.pdf.utilities.*; import java.io.*; public class PdfToCsvExample { public static void main(String[] args) throws Exception { // PDFドキュメントを読み込み PdfDocument pdf = new PdfDocument(); pdf.loadFromFile("Sample.pdf"); // 抽出したテキストを格納するStringBuilder StringBuilder sb = new StringBuilder(); // ページごとに処理 for (int i = 0; i < pdf.getPages().getCount(); i++) { PdfTableExtractor extractor = new PdfTableExtractor(pdf); PdfTable[] tableLists = extractor.extractTable(i); if (tableLists != null) { for (PdfTable table : tableLists) { for (int row = 0; row < table.getRowCount(); row++) { for (int col = 0; col < table.getColumnCount(); col++) { // CSVフィールドを安全にエスケープ String cellText = escapeCsvField(table.getText(row, col)); sb.append(cellText); if (col < table.getColumnCount() - 1) { sb.append(","); } } sb.append("n"); } } } } // CSVファイルに出力 FileWriter writer = new FileWriter("output/PDFTable.csv"); writer.write(sb.toString()); writer.close(); pdf.close(); System.out.println("PDF内の表をCSVに正常にエクスポートしました。"); } // CSVフィールドをエスケープするユーティリティメソッド private static String escapeCsvField(String text) { if (text == null) return ""; // 改行を削除 text = text.replaceAll("[nr]", ""); // 特殊文字を含む場合はエスケープ if (text.contains(",") || text.contains(";") || text.contains(""") || text.contains("n")) { text = text.replace(""", """"); // ダブルクォートをエスケープ text = """ + text + """; // クォートで囲む } return text; } } コード解説 PdfDocument：PDFファイルをメモリに読み込む PdfTableExtractor：ページごとの表を検出 PdfTable：行・列にアクセス可能 escapeCsvField()：改行を削除し、特殊文字をエスケープ StringBuilder：セルテキストをカンマ区切りで格納 出力結果は「Output.csv」として保存され、Excelや任意のエディタで開けます PDFから抽出した表をCSVに変換した例： 複雑なPDFからCSV変換のケースを処理する 実際のPDFには複数表、複数ページ、または不規則な表構造が含まれることが多いです。ここではそれらへの対応方法を紹介します。 1. 1ページに複数の表がある場合 extractTable(i) が返す PdfTable[] にはそのページで検出されたすべての表が含まれます。各表を個別のCSVに保存することも可能です。 for (int i = 0; i < pdf.getPages().getCount(); i++) { PdfTableExtractor extractor = new PdfTableExtractor(pdf); PdfTable[] tableLists = extractor.extractTable(i); if (tableLists != null) { for (int t = 0; t < tableLists.length; t++) { PdfTable table = tableLists[t]; StringBuilder tableContent = new StringBuilder(); for (int row = 0; row < table.getRowCount(); row++) { for (int col = 0; col < table.getColumnCount(); col++) { tableContent.append(escapeCsvField(table.getText(row, col))); if (col < table.getColumnCount() - 1) { tableContent.append(","); } } tableContent.append("n"); } FileWriter writer = new FileWriter("Table_Page" + i + "_Index" + t + ".csv"); writer.write(tableContent.toString()); writer.close(); } } } 1ページ内の複数表を個別CSVに保存した例： 2. 複数ページや大きな表の場合 表が複数ページにまたがる場合はページごとに繰り返し処理し、追記していくのがポイント です。 StringBuilder sb = new StringBuilder(); for (int i = 0; i < pdf.getPages().getCount(); i++) { PdfTableExtractor extractor = new PdfTableExtractor(pdf); PdfTable[] tables = extractor.extractTable(i); if (tables != null) { for (PdfTable table : tables) { for (int row = 0; row < table.getRowCount(); row++) { for (int col = 0; col < table.getColumnCount(); col++) { sb.append(escapeCsvField(table.getText(row, col))); if (col < table.getColumnCount() - 1) sb.append(","); } sb.append("n"); } } } } FileWriter writer = new FileWriter("MergedTables.csv"); writer.write(sb.toString()); writer.close(); 複数ページにまたがる大きな表を1つのCSVに統合した例： 3. フォーマットに関する制限 CSVはテキストデータのみを保持するため、結合セル・フォント・画像などの情報は失われます。書式を保持したい場合はExcel（.xlsx）にエクスポートする方法が適しています。詳細は JavaでPDF表をExcelにエクスポートする方法 を参照してください。 4. CSVの特殊文字処理 CSVではカンマ、セミコロン、ダブルクォート、改行などの特殊文字がファイル構造を壊す可能性があります。 上記のJava例では escapeCsvField メソッドで改行除去と適切なエスケープ処理を行っています。 さらに高度な処理が必要な場合は Spire.XLS for Java を利用して Excelワークシートにデータを書き込み、その後 CSVとして保存 すれば、特殊文字も自動処理され正しいCSVが得られます。 オープンソースの OpenCSV や Apache Commons CSV なども同様に特殊文字処理を自動で行える選択肢です。 まとめ JavaでPDFをCSVに変換するとは、基本的に 表を抽出して構造化データとして保存すること を意味します。CSVは軽量で広くサポートされており、表形式データの保存や分析に最適です。Spire.PDF for Javaを導入し、この記事のコード例に従うことで、このプロセスを自動化でき、時間を節約し手作業を減らせます。 さらに高度な機能を試したい方は、無料評価ライセンスの申請 を行うか、小規模プロジェクトには Free Spire.PDF for Java を利用できます。 FAQ Q: PDFをCSVファイルに変換できますか？ A: はい。画像や装飾されたテキストは変換できませんが、表を抽出してCSVに保存することは可能です。 Q: JavaでPDFからデータを抽出する方法は？ A: Spire.PDF for JavaのようなPDFライブラリを使えば、ドキュメント解析や表検出、CSVやExcelへのエクスポートが可能です。 Q: 最適なPDF to CSV変換方法は？ A: Java開発者には、Spire.PDF for Javaのようなプログラム的な解決策が、手動ツールより柔軟で効率的です。 Q: JavaコードでPDFをExcelに変換する方法は？ A: CSV出力と手順はほぼ同じで、カンマ区切りのテキストではなくExcel形式に保存することで、より多機能な利用が可能です。
