PDFからデータを取り出す方法。登記簿・測量図の情報抽出をAIで自動化する

PDFからデータを取り出す方法は、対象のPDFの種類によって大きく異なります。テキスト層のある一般的なPDFと、スキャンPDF（画像PDF）では使えるツールと手順が変わります。登記簿謄本・地積測量図を例に、データ抽出の方法を整理します。

PDFからデータを取り出す方法の比較

方法	対象PDF	精度	手間
コピー＆ペースト	テキスト層あり	高	件数が多いと大変
Microsoft Office変換	テキスト層あり（部分対応）	中	表が崩れやすい
汎用OCR	スキャンPDFも対応	中	旧字体・専門用語に弱い
専門AI OCR	スキャンPDFも対応	高	アップロードするだけ

登記簿謄本や地積測量図は多くがスキャンPDFのため、コピー＆ペーストや単純なPDF変換ツールでは対応できません。

登記簿謄本から取り出せるデータ

登記簿謄本から自動抽出できる主な情報は以下の通りです。

表題部:

• 所在・地番・地目・地積

権利部甲区:

• 所有者氏名・住所・持分
• 登記の日付・原因

権利部乙区:

• 抵当権・根抵当権の設定情報

これらをExcelに自動出力することで、物件管理台帳への転記作業を大幅に削減できます。

地積測量図から取り出せるデータ

地積測量図から自動抽出できる主な情報は以下の通りです。

• 座標表（点名・X座標・Y座標）
• 求積表（地番・地積）
• 引照点・基準点の座標と属性

抽出された座標データはSIMA形式でダウンロードでき、測量CADに直接読み込めます。手入力が不要になるため、入力ミスのリスクも大幅に下がります。

AI OCRを使ったデータ抽出の流れ

1. 対象のPDFをツールにアップロード（スキャンPDF・電子データいずれも可）
2. AIが書類の種類を認識し、必要な項目を自動で抽出
3. 抽出結果を画面で確認
4. ExcelまたはSIMAファイルをダウンロード
5. 台帳やCADソフトに取り込んで使用

スキャン品質が安定していれば、30秒〜3分程度で処理が完了します。

精度の実態

AI OCRの精度は書類の状態によって変わります。

精度が高いケース:

• 登記情報提供サービスで取得した電子データのPDF
• コントラストが明瞭なスキャンPDF（平成10年代以降の図面）

注意が必要なケース:

• 昭和年代の古い図面（手書きや印刷品質が低いもの）
• コントラストが低い・傾きがあるスキャン
• 旧字体・外字を含む氏名・地名（目視確認を推奨）

完全な精度は難しいため、最終的な目視確認は残ります。ただし「全件手入力」から「確認のみ」への変化でも、大幅な時間削減につながります。

よくある質問

Q: テキスト層があるPDFと画像PDFで抽出精度に差はありますか？

A: テキスト層があるPDFは精度が安定しますが、登記簿謄本の多くはスキャンPDFのため、AI OCRが必須です。スキャンPDFでも300dpi以上であれば高い精度で処理できます。

Q: 一度に何件まとめて処理できますか？

A: 複数のPDFをまとめてアップロードして一括処理できます。大量処理が必要な場合はプランの詳細を確認の上、お問い合わせください。

Q: 地積測量図の座標をExcelで出力した後、SIMAに変換できますか？

A: tohonはExcel出力とSIMA出力の両方に対応しています。Excelを経由せず、直接SIMA形式でダウンロードすることも可能です。

まとめ

PDFからのデータ抽出は、スキャンPDFや専門書類を対象とする場合にAI OCRが最も効果的です。登記簿謄本・地積測量図の処理には、専門書類に特化したツールを選ぶことで精度が安定します。確認作業を組み込んだ運用を設計することで、精度と効率を両立できます。

tohonは登記簿謄本・地積測量図に特化したAI OCRです。スキャンPDF対応・旧字体認識・Excel/SIMA出力に対応しており、7日間・30ページ無料でお試しいただけます。

---

関連記事: 登記PDFをデータ化する方法 / PDFのデータ入力を自動化 / 登記情報を構造化データに変換