#pdf

What caught my attention here is not the fact that another PDF editor exists. It’s that this one seems to treat redaction as a serious data-handling problem instead of a cosmetic black-box-sticker problem. That sounds obvious, but anyone who has ever seen a “redacted” PDF where the hidden text was still copyable knows how often tools get this wrong. The article’s description of the redaction flow is the part I’d want to verify first. If it really removes the underlying text and image pixels from

最初に思ったのは、こういう話こそ本当の改善だな、ということだった。派手なAIデモでもなく、大規模なシステム刷新でもない。ただ「人には読めるのに、機械には読みにくいPDF」を直しただけで、後ろにいる全員の手作業が減る。しかも、それが一回きりではなく、請求書が出るたびに効いてくる。 記事でいちばん面白かったのは、Claude Code が“答えを出すAI”としてではなく、“相手に伝わる言葉に翻訳する道具”として使われていた点だと思う。PDFの内部構造を調べて、フォント埋め込みや ToUnicode、暗号化の有無まで見て、そこから改善依頼の文章に落とし込む。ここでやっているのは、単に「AIに苦情文を書かせた」ではない。利用者の違和感を、開発側が確認できる形に変えている。地味だけれど、こういう変換ができると問い合わせの質がかなり変わるはずだ。 もうひとつ引っかかったのは、「見た目は読めるのに、読めていないPDF」が思った以上に普通にあることだ。人間は画面で文字が見えればそれで済むけれど、経費精算システムや検索、読み上げ、生成AIは中身の持ち方にかなり左右される。ここを軽く見がちなのに、実務では

Word で書いた文書を PDF にしたら、別のフォントに変わっていたり、記号だけ崩れたりする症状です。 Word の PDF 化で文字化けする原因は、たいていフォントの埋め込み設定か、使っているフォントの相性です。上から順に試してみてください。ほとんどの場合これで直ります。 PDF にフォントが埋め込まれていない 使っているフォントが PDF 化に向いていない Word 側で互換性や印刷品質の設定が合っていない macOS Sequoia / Windows 11 24H2 で別フォントに置き換わっている PDF 書き出しではなく「印刷」で出力していて、プリンタードライバーの影響を受けている Word for Microsoft 365 / Word 2024 / Word 2021 で一番多いのがこれです。 Step 1 Word を開き、[ファイル] → [オプション] → [保存] を開きます。 Step 2 「ファイルにフォントを埋め込む」にチェックを入れます。 その下に「システムにインストールされていない共通システムフォントは埋め込まない」という項目があれば

PDFに目次ページはあるのに、機械が使えるアウトラインが入っていないことがある その場合でも、リンク付きの目次なら比較的きれいに復元できる もっと厄介なのは、ただ印刷されているだけの目次。ここでは「見出し」と「実際のページ位置」を別々に扱う必要がある この記事の面白いところは、PDFの中に書かれている情報を、かなり地道に読み直して `toc_df` を作り直す発想にある RAG（検索拡張生成）では、章ごとに範囲を切れるかどうかが地味に効く。ここを外すと、検索も要約も雑になりやすい この記事が扱っているのは、かなり「あるある」なPDFの悩みです。人間が開くと、きちんと目次ページがある。ところがPDFビューアのブックマーク欄は空っぽ。つまり、ページ上には文字として目次が印刷されているのに、ソフトウェアが使える構造情報としては入っていない、という状態です。 著者はこれを、RAGシステムの文脈でかなり実務的に見ています。文書解析の段階で `toc_df` という表を作るのですが、ここには `level`、`title`、`start_page`、`end_page`、`brea

PDFや請求書、契約書、画像、音声、動画。こういう「人間なら読めるけど、機械にはつらい」素材を、きれいな表に変えるのは昔から面倒な仕事でした。しかも従来は、書類の形式ごとにテンプレートを作り、少しレイアウトが変わるたびに修正する必要があった。地味ですが、かなり消耗する作業です。 The New Stackの記事は、Amazon Bedrock Data Automationがこの悩みをかなり正面から壊しに来ている、と紹介しています。要するに、決まった型に当てはめるのではなく、foundation modelsを使って「散らかったデータ」を構造化されたデータへ変換する仕組みです。テンプレートに縛られないのが売りです。 Amazon Bedrock Data Automationは、PDFやメディアを構造化データに変える新しい仕組み 従来のテンプレート型抽出は、書式が少し変わるだけで壊れやすかった foundation modelsを使うことで、形式の違いに強くなれる 特に、請求書や契約書のような「毎回ちょっと違う文書」と相性がよさそう 人手での確認はまだ必要だが、前処理の手間はかなり減ら

Microsoft EdgeでPDFを開こうとすると、画面が真っ白のまま表示されない・読み込みが止まる、という症状ですね。 仕事中に急に起きると焦りますが、上から順に試してみてください。ほとんどの場合、設定の見直しやキャッシュ削除で改善します。 Microsoft EdgeでPDFが開けない・真っ白になるときは、だいたい次のどれかです。 Edgeの一時不具合（=ブラウザ側の読み込みミス） キャッシュやCookieの破損（=古いデータが悪さをしている） 拡張機能の干渉（=広告ブロックなどがPDF表示を妨げる） PDFファイル自体の問題（=壊れている、サイズが大きすぎる） Windows 11 24H2 側の既定アプリ設定の不整合（=開くアプリの関連付けがずれている） 最初にやるのはシンプルですが重要です。 開いている Microsoft Edge をいったん全部閉じます。 もう一度Edgeを起動し、別のPDFファイル を開いてみます。 別のPDFは開けるのに特定のファイルだけ真っ白なら、そのPDF自体の破損

元記事はPDF形式の資料で、本文テキストはこの抽出だけでは内容を正確に復元しづらい そのため、ここでは「PDF資料として公開されているAI関連の文書」という事実を踏まえ、背景と読みどころを整理する AIの資料は、文章そのもの以上に「何を伝えようとしているか」を読むのが大事 技術資料は専門用語が多いが、実際には「何が変わるのか」「誰に影響するのか」をつかむのが本質 PDFの中身が機械的に圧縮されていて読みにくいときは、内容だけでなく形式そのものも情報になる 今回紹介するのは、Squarespace上で公開されている 「2026-Spring-AI.pdf」 というPDF資料です。 タイトルにある通り、AIに関する何らかの資料で、しかも「2026 Spring」という表現から、春時点の情報をまとめた文書だとわかります。 ただ、先に正直に言うと、この元データはテキスト抽出結果がほぼPDFの内部構造そのもので、本文の自然な文章が読み取れる状態ではありません。 つまり、この抽出情報だけでは「何が書いてあるか」を断定できない のです。ここはかなり重要で、無理に内容を想像してしまうと