PDFのテキストを取り出したいのですが文字化けします

PDFのテキストを取り出したいのですが文字化けします

クライアントから原稿として支給されたPDFから

テキストを取り出したいのですが文字化けしてしまいます。

Acrobatで開いたときは可読状態なのですが、

テキストを選んでコピー → テキストエディタにペーストすると

文字化けしてしまうのです。

IllustratorでPDFを直接開く等いろいろ試してみたのですが

どれも文字化けしてしまいお手上げ状態です。

PDFにセキュリティは設定されておらず、

テキストは制限なくコピーできるはずです。

全てが文字化けするわけではありません。

Acrobatのプロパティ → フォントで確認すると

文字化けするのは

HGMaruGothicMPRO（埋め込みサブセット）など

種類：TureType

エンコーディング：ビルトイン

文字化けしないのは

KozGoPro-Regular（埋め込みサブセット）など

種類：Type 1（CID）

エンコーディング：Identity-H

となっています。

このエンコーディングが「ビルトイン」がアヤシイと思いググってみたところ

「ビルトイン」で同じように悩んでいる方がいらっしゃるようなのですが、

「そういうPDFは文字化けするから注意しよう」とか

「画像に変換してOCR認識させてしまおう」などの記事がヒットし、

直接の解決方法を見つけることができませんでした。

元データはIllustratorで作っているらしいのですが、

諸般の事情で支給できないと言われてしまいました。

何か良い方法をご存じの方、ご教示ください。

または、解決方法なんて存在しないから諦めろというトドメでも結構です。

【PDFのプロパティ】

【当方の環境】

Mac OS 10.6.8

Acrobat X Pro（10.1.14）

Illustrator CS3〜CS6

Jedit X 1.47

テキストエディット 1.6（264）

プレビュー 5.0.3（504.1）

FireFox（38.0.5）

Safari 5.1.10（6534.59.10）

【試して失敗した方法】

Acrobatで開いてテキストを選択しコピー、Jeditにペースト。

（Jeditのエンコーディングは日本語（Mac OS））

OS付属のテキストエディットにペースト。

プレビューで開いてコピー、Jeditとテキストエディットにペースト。

PDFを直接Illustratorで開く。

フォントがインストールされていても文字化け。

Acrobatの別名保存 → リッチテキスト形式で保存、Jeditで開く。

開くときにエンコーディングを自動判定にせず

日本語以外（全く関係なさそうな外国語）にも切り替えてみましたが全滅。

Acrobatの別名保存 → テキスト（アクセシブル） → Jeditで開く。

（エンコーディングは自動判定／日本語（Mac OS））

Acrobatの別名保存 → テキスト（プレーン） → Jeditで開く。

内容が空っぽでした。

Acrobatの別名保存 → EPS → Illustrator CS5.1で開く。

文字化けしてない！と喜んだのもつかの間、

全てアウトライン化されていました…。

Acrobatの別名保存 → HTML → FireFoxとSafariで開く。

開いた後、文字エンコーディングを切り替えてみましたが、

どれも文字化け状態。

メッセージ編集者: rrm 2015/06/15 19:11画像を変更しました