Word からテキストを抽出する Make: クリーンなテキスト検索 PDF4me

PDF4me ワードからテキストを抽出する は Make Word文書からテキストコンテンツを抽出するモジュールです。ページ範囲の制御機能に加え、コメント、ヘッダー、フッターの削除、変更履歴の確定といったオプションも備えています。Wordを開かずに、クリーンなテキストを検索インデックス、翻訳サービス、テキストマイニングパイプラインに供給するために活用できます。

このモジュールの機能

PDF4me ワードからテキストを抽出する .docx ファイルのテキストコンテンツをドキュメントテキストフィールドに返します。必要に応じてページ範囲を指定したり、コメント、ヘッダー/フッターを削除したり、変更履歴を優先的に処理したりして、テキストを整理します。この操作一つで、ドキュメントを開いてテキストをコピーする手間が省けます。

認証方法 Make シナリオ？

毎 PDF4me モジュール Make 有効な 繋がり. 作成または選択して、 PDF4me API シナリオがテキスト抽出要求を安全に認証できるようにするためのキー。

Get your API Key

見逃してはならない重要な事実

変更の承認は抽出後ではなく、抽出前に実行されます。

「変更を承認」を設定すると、ドキュメント内のすべての変更履歴が最初に確定され、抽出されたテキストは編集後のバージョンを反映します。ソースに修正マークが論理的に残っているテキストが必要な場合は、この設定をオフにしてください。

ページ範囲は任意であり、必須ではありません。

開始ページ番号と終了ページ番号を指定すると、抽出対象ページを絞り込むことができます。両方とも空欄にすると、文書全体を一度に抽出できます。

ドキュメントバッファフィールドには「Jsonファイル」というラベルが付いています。

名前とは裏腹に、Json ファイルには Word 文書のマッピングされたバイナリコンテンツが格納されており、 JSON テキスト。他のファイルバッファと全く同じようにマッピングします。 PDF4me モジュール。

PDF4meのWordからテキストを抽出するモジュールを、接続、ファイル設定（Wordファイル名とJSONファイルをマッピング）、開始ページ番号1、終了ページ番号10、コメント削除、ヘッダー/フッター削除、変更承認の切り替え機能で構成します。 — ファイル設定をマップに設定し、前のモジュールからWordファイル名とJSONファイルを接続し、オプションのページ範囲とクリーンアップの切り替えを設定します。

パラメータ

必須： 接続情報とファイルは必ず指定する必要があります。ファイルがマップの場合は、Wordファイル名とJSONファイルが必須です。ページ範囲とクリーンアップの切り替えはオプションです。

パラメータ	必須	その機能	例
Connection	Required	PDF4me API connection. Click Add and paste your API key if connecting for the first time.	`TestUser01`
File	Required	Radio button picking how the source Word document arrives. Pick a quick storage option (Dropbox - Download a File) or choose Map to bind Word File Name and Json File from any prior module.	`Map`
Word File Name	Required	Filename of the source document including its .docx extension. Shown as a sub-field of File when Map is selected.	`annual_report.docx`
Json File	Required	Binary content of the Word document, mapped from the prior module Data output despite the Json label. Shown as a sub-field of File when Map is selected.	`[Word Buffer]`
Start Page Number	Optional	Page number where extraction begins. Defaults to 0. Hint: "Start page from where it should be extracted."	`1`
End Page Number	Optional	Page number where extraction ends. Defaults to 0. Hint: "Ending page number where it should end."	`10`
Remove Comments	Required	Strips reviewer comments from the extracted text when enabled. Defaults to No.	`Yes`
Remove Header Footer	Required	Excludes running headers and footers from the extracted text when enabled, leaving only body content. Defaults to No.	`Yes`
Accept Changes	Required	Finalizes all tracked changes before extraction when enabled, so the text reflects the edited version. Defaults to No.	`Yes`

出力フィールド

PDF4me リクエストをバックグラウンドジョブとして処理し、 Make 次のモジュールを実行する前に、結果を待ちます。

分野	タイプ	内容物
`Job Id`	Text	ID of the PDF4me job that processed the request.
`Doc Text`	Text	Complete text content from the Word document, filtered by the page range and cleanup options selected.
`Document`	File (binary data)	The extracted text as a file (binary data).

Word からテキストを抽出する設定方法 Make？

追加 PDF4me → ワードからテキストを抽出する あなたの Make シナリオ。
選択 繋がり （またはクリック）追加あなたと一緒に作成する PDF4me API 鍵）。
下 ファイル、選ぶ地図ワイヤー Wordファイル名 そして JSONファイル 前のモジュールから（Dropbox、Google Drive、またはメール添付ファイルから）。
オプションで設定可能 開始ページ番号 そして 最終ページ番号 抽出対象をページ範囲に限定する。
切り替え コメントを削除、 ヘッダーとフッターを削除、そして 変更を受け入れる 必要に応じて。シナリオを実行すると、抽出されたテキストが返されます。 ドキュメントテキスト。

典型的な構成

ワークフローの例Common Make scenario patterns using Extract Text from Word.

契約条項検索インデックス

署名済みの契約がリポジトリに格納されると、トリガーが作動します。
「ファイル取得」は、実行済みのWord契約書をダウンロードします。
Wordからテキストを抽出する処理は、「変更を承認」と「コメントを削除」を有効にして実行され、クリーンな最終バージョンが作成されます。
抽出されたテキストは、検索可能なデータベースまたは全文索引に書き込まれる。
後続の正規表現または自然言語処理のステップで、キーワード、日付、および関係者が抽出されます。

翻訳準備

プロジェクトトラッカーで、翻訳対象として文書がマークされます。
「ファイルの取得」は、ソースとなるWordファイルを取得します。
Wordからテキストを抽出する際は、本文コンテンツを分離するために「ヘッダーとフッターを削除」機能を有効にして実行します。
クリーンなテキストが翻訳に送られます API。
翻訳されたテキストは新しい文書として再構築され、原文とともにアーカイブされます。

レガシーコンテンツの移行

移行のために、アーカイブフォルダから古いWord文書が取り出されます。
Wordからテキストを抽出する機能は、1回の呼び出しでテキストコンテンツ全体を取得します。
このシナリオでは、返されたテキストから見出しと段落を解析します。
CMSの「エントリ作成」ステップでは、コンテンツを新しいプラットフォームにインポートします。
元の文書はアーカイブ内で移行済みとしてタグ付けされています。

実践的なヒント

Enable Accept Changes for a final-version extract

If the source document still has open tracked changes, leaving Accept Changes off can pull ambiguous or duplicated text. Turn it on whenever you want the clean, finalized wording.

Use the page range for large documents

Setting Start Page Number and End Page Number avoids pulling an entire multi-hundred-page manual when you only need a specific section.

Remove Header Footer before search indexing

Repeated headers and footers pollute keyword frequency in search indexes and NLP pipelines. Strip them for cleaner downstream analysis.

Map Json File like any other buffer

The label is misleading, it is not a JSON string. Map the binary Data output from the prior module the same way you would for any PDF4me file input.

Pair with Parse JSON only after your own restructuring

Doc Text is plain text, not structured JSON. If you need individual fields, run your own regex or AI parsing step against Doc Text first.

チートシート

分野	価値
Module	`Extract Text from Word`
Connection	`PDF4me API key`
Document source	`File = Map (Word File Name + Json File)`
Page range	`Start Page Number / End Page Number (optional)`
Cleanup toggles	`Remove Comments / Remove Header Footer / Accept Changes`
Output	`Job Id, Doc Text, Document`

よくある質問

How do I extract text from a Word document in Make?+

Add the PDF4me Extract Text from Word module, connect your API key, set File to Map and supply Word File Name and Json File from a prior module, then run the scenario. The module returns the document text in a Doc Text field, alongside Job Id and a Document file.

Can I extract text from only part of the document?+

Yes. Set Start Page Number and End Page Number to a 1-based page range. Leave both blank to extract the entire document.

What do Remove Comments, Remove Header Footer, and Accept Changes do?+

Remove Comments strips reviewer comments from the extracted text. Remove Header Footer excludes running headers and footers so only body content comes through. Accept Changes finalizes tracked changes before extraction, so the text reflects the edited version rather than the original with revision marks.

Why is the document content field called Json File?+

Json File is the exact label PDF4me's Make module uses for the mapped binary content of the Word document, even though the value itself is a document buffer rather than JSON text. Map it the same way you would map a file buffer in any other PDF4me module.

What text mining and NLP tasks pair well with this module?+

The extracted text feeds directly into sentiment analysis, keyword extraction, translation services, or full-text search indexing. See <a href="https://learn.microsoft.com/en-us/office/open-xml/word/structure-of-a-wordprocessingml-document" target="_blank" rel="noopener noreferrer">Microsoft's WordprocessingML document structure reference</a> for how text content is organized inside a .docx file.