PDFlib TET 4.1 リリース

　メンテナンスバージョン PDFlib TET 4.1 がリリースされました。(2/27)
　iPhone / iPad / Android 版 PDFlib TET がリリースされました。(2/27)
　メンテナンスバージョン PDFlib TET PDF IFilter 4.4 がリリースされました。(2/27)
　PDFlib TET Plugin 4.3 がリリースされました。(2/27)
PDFlib TET 4.0 日本語マニュアルリリース

　PDFlib TET 4.0 リファレンスマニュアルの日本語版がリリースされました(11/24)。

PDFlib TET PDF IFilter (検索テキスト抽出ツール)

PDFlib TET PDF IFilter は PDF 文書からテキストとメタデータを抽出し、Windows 検索ソフトウェアで利用可能にする製品です。これにより、PDF 文書の内容をローカルのデスクトップ上や企業のサーバー上から検索できるようになります。PDFlib TET PDF IFilter は、PDFlib Text Extraction Toolkit(TET) をベースにしています。

PDFlib TET PDF IFilter はマイクロソフト社の IFilter インデックスインタフェース(注)を堅牢に実装しており、SharePoint、SQL Server などの IFilter インターフェースをサポートする全ての検索ソフトウェアと連携します。PDFlib TET PDF IFilter は PDF 文書を対象とした PDF フォーマット専用のフィルタプログラムです。文書を検索するユーザインタフェースは、Windows Explorer、ウェブやデータベースフロントエンド、クエリスクリプト、カスタムアプリケーションなどが考えられます。対話的な検索だけでなく、ユーザーインターフェースのないプログラムからでも利用できます。

(注) 検索テキストを検索またはインデックス化する際に、各文書から検索テキストを抽出する処理を分離するためのインターフェースです。検索対象とする文書フォーマット毎にこのインターフェースを用意します。

TET テクノロジーの利用

PDFlib TET PDF IFilter のベースとなる PDFlib TET は、2002年に初めてリリースされて以来、サーバー環境とデスクトップ環境で世界中のお客様に利用されています。PDFlib TET は PDF のページ内容やメタデータをテキストとして抽出するだけでなく、XML としても提供することができます。PDFlib TET は、Adobe Acrobat のための無償プラグインとしても利用できます。このプラグインを使えば、PDFlib TET の優れたテキスト抽出を対話的にテスト、評価することができます。

TET PDF IFilter の特長

PDFlib TET PDF IFilter の特長は以下の通りです。

欧米テキストや、中国語、日本語、韓国語(CJK)テキスト、右から左に記述するアラビア語、ヘブライ語などのテキストをサポート
保護されたドキュメントのインデックス化や Acrobat では開けない PDF からの抽出
Unicode のフォルディング、デコンポジッション、ノーマライゼーションをサポート
スレッドセーフ、高速、堅牢で、32ビット版・64ビット版をご用意
検索精度向上のために言語や文字体系を自動検出

企業向けPDF検索

TET PDF IFilter はスレッドセーフで 32ビット版と64ビット版が利用できます。TET PDF IFilter と以下と組み合わせて利用することで、企業向け PDF 検索ソリューションを実現することができます。

Microsoft SharePoint Server
Microsoft Search Server
Microsoft SQL Server
Microsoft Exchange Server
Microsoft Site Server

その他、IFilter インターフェースをサポートするすべての Microsoft 社製品やサードパーティ製品でご利用いただくことができます。

デスクトップ PDF 検索

TET PDF IFilter は以下の製品と組み合わせることで、デスクトップ向け PDF 検索を実現することができます。

Windows Search (Windows Vista/7 に内蔵。Windows XP 用の無償アドオンでも利用可能)
Windows Indexing Service

PDFlib TET PDF IFilter は、デスクトップ OS での非商用利用であれば無償でご利用いただけます。また、サーバー環境においても、すべての機能を試用、評価することができます。

対応するPDF

TET PDF IFilter は、あらゆる種類の PDF の入力に対応しています。

ISO 32000-1 を含む、Acrobat 9 までの全ての PDF のバージョン
表示用のパスワードを必要としない暗号化された PDF
破損した PDF 文書も修復

Unicode への後処理

より良い検索結果が得られるように、TET PDF IFilter は Unicode への様々な後処理をサポートしています。

フォルディングは、文字の保持や削除、置換を行います。例えば、検索と無関係な句読点や不要な文字を削除します。
デコンポジッションは、文字を一字ないし複数の等価な文字列に置き換えます。例えば、半角カタカナや「㌔」等の Shift-JIS 特有の文字を標準的で等価な Unicode 文字に置き換えます。
ノーマライゼーションは、テキストをすべて4バイトの Unicode に変換します。例えば、データベースの要件に合うように NFC 形式で出力します。

国際化

TET PDF IFilterは、西洋テキストに加え、CJK (中国語、日本語、韓国語)テキストに完全対応しています。すべての CJK のエンコーディングを認識でき、縦書き、横書きの出力モードにも対応しています。アラビア語ヘブライ語などの右から左に記述する言語もサポートしています。

PDF が持つコンテンツ以外の有用な情報

TET PDF IFilter は、PDF文書をページ内容以上の情報を持つものとして扱います。TET PDF IFilter は、PDF 文書内の以下の項目にインデックスを付けます。

ページ内容
テキストしおり
メタデータ(後述)
添付されている PDF 文書内のテキストも検索できるように、添付された PDF 文書や PDF パッケージ/ポートフォリオを再帰的に処理

XMP文書メタデータと文書情報

TET PDF IFilter の高度なメタデータ実装はメタデータ向けの Windows プロパティシステムをサポートしており、標準の、またはカスタムの文書情報項目だけでなく、XMPメタデータにもインデックスを付けます。メタデータのインデックシングは、以下のレベルに設定することができます。

タイトル、サブジェクト、作者などを表す文書情報項目やダブリンコアフィールド、その他の共通の XMP プロパティを、等価な Windows プロパティに割り当てる
ページサイズ・PDF/A 準拠レベル・フォント名などの有用な情報を、 PDF 固有の仮想プロパティとして追加
すべての定義済み XMP プロパティを検索可能
企業固有プロパティ、PDF/A 拡張スキーマなどの、ユーザー定義の XMP プロパティを検索可能

TET PDF IFilter はオプションとして、メタデータをフルテキストインデックスに統合します。それにより、SQL Server のようなメタデータをサポートしていないフルテキスト検索エンジンでも、メタデータを検索することができます。