pdf-tools

PDF ツール

抽出、生成、変更、フォーム入力、セキュリティに対応する、PDF エンジニアリングの全ライフサイクルをカバーします。JavaScript を優先したソリューション（pdf-lib、unpdf、Puppeteer）を中心に、より高度なシナリオ向けの Python／CLI ユーティリティも扱います。

使用する場面：PDF から構造化データを抽出する、HTML／React からピクセル単位で正確な PDF を生成する、既存の PDF を変更する、入力可能または入力不可のフォームに入力する、暗号化で文書を保護する場合。

使用しない場面：単純なテキストファイルの処理、PDF とは無関係な画像のみの操作、またはワープロソフトでの処理が適しているタスク。

クイックリファレンス

タスク	ツール	ポイント
HTML から PDF を生成する	Puppeteer / Playwright	page.pdf() を使用します。Puppeteer では networkidle0、Playwright では networkidle を使用します
テキストを抽出する（軽量）	unpdf	エッジ／サーバーレス環境に対応
表を抽出する（AI）	Vision model + Zod schema	複数列や結合セルに対応
表を抽出する（非 AI）	pdfplumber (Python)	セル境界を正確に検出
変更、結合、分割	pdf-lib (or @pdfme/pdf-lib)	JS でバイトレベルの PDF 操作
入力可能なフォームに入力	pdf-lib (or @pdfme/pdf-lib)	書き込み前に AcroForm フィールドを確認
入力不可のフォームに入力	Python annotation scripts	視覚的な分析とバウンディングボックス注釈
PDF を暗号化する	qpdf	AES-256：qpdf --encrypt user owner 256 --
破損した PDF を修復する	qpdf	qpdf input.pdf --replace-input
高速なテキスト抽出（CLI）	poppler-utils	pdftotext -layout input.pdf -
数千のファイルを結合する	pypdf (Python)	ヘッドレスブラウザーより軽量
バッチキュー処理	BullMQ + unpdf	Redis ベースで、再試行、並行処理、進捗追跡に対応
PDF/A アーカイブ準拠	ghostscript + verapdf	変換には gs -dPDFA=2、検証には verapdf を使用
タグ付き PDF（アクセシビリティ）	Puppeteer	tagged: true により、HTML のセマンティクスが PDF の構造タグに対応します
デジタル署名	@signpdf/*	P12 証明書による PKCS#7 署名
PDF の比較	unpdf + diff / pixelmatch	バージョン間のテキスト差分またはピクセルレベルの視覚的差分
安全な墨消し	pymupdf (fitz)	apply_redactions() は視覚的なオーバーレイだけでなく、コンテンツのバイト列を削除します

よくある間違い

間違い	正しい方法
PDF 生成にキャンバス描画コマンドを使う	HTML/CSS テンプレートと Puppeteer/Playwright を使います
エッジ／サーバーレス環境で Puppeteer を実行する	エッジでは unpdf を使います。Puppeteer には完全な Node.js 環境が必要です
基本的なテキストパーサーで複雑なレイアウトを抽出する	複数列のテキストには、AI 支援 OCR または pdfplumber を使います
PII を含む暗号化されていない PDF をパブリックストレージに保存する	保存前に qpdf を使って AES-256 暗号化を適用します
サーバーサイド生成で window.print() に頼る	決定的な出力にはヘッドレスブラウザー API（page.pdf()）を使います
複雑なレイアウトの抽出に pypdf を使う	複数列または重なり合うテキストには pdfplumber または AI OCR を使います
コンテナ化環境でフォントの埋め込みを省略する	Puppeteer で Google Fonts または WOFF2 ファイルを埋め込みます
フラット化された PDF フォームフィールドに書き込む	書き込む前に pdf-lib で AcroForm フィールドを調べます
暗号化された PDF に保守されていない pdf-lib を使う	暗号化 PDF のサポートを追加したフォーク @cantoo/pdf-lib を使います

委任

• PDF の構造を調べ、抽出の問題を診断する：Explore エージェントを使って、AcroForm フィールド、エンコーディング、メタデータを調べます
• エンドツーエンドのドキュメント処理パイプラインを構築する：Task エージェントを使って、抽出、変換、生成のワークフローを実装します
• 新しいシステムの PDF アーキテクチャを設計する：Plan エージェントを使ってツールを選び、抽出、生成、変更の方針を計画します

参考資料

• AI 抽出パターン -- ビジョンベースの表抽出、再帰的な要約、複数パスによる検証
• 高忠実度な生成 -- Puppeteer による HTML から PDF への変換、CSS 印刷のヒント、React テンプレート、ブラウザープーリング
• レガシーユーティリティ -- バッチ処理やフォレンジック作業向けの pdfplumber、pypdf、qpdf、poppler-utils
• フォーム入力 -- 入力可能なフィールドの抽出、入力不可の注釈のワークフロー、検証スクリプト
• バッチ処理とアクセシビリティ -- キューベースのバッチ処理、PDF/A 準拠、タグ付き PDF、デジタル署名、比較、墨消し