Illustrator（.ai）ファイルからテキストだけ抜き出す

大量のIllustratorファイルから商品名や注意書きだけを一覧にしたいとき、すべてを開くのは大変です。ただし.aiは保存形式で抽出方法が変わります。

PDF互換か確認する

PDF互換データを含むファイルならPDF用ツールで抽出できます。

file design.ai
head -c 16 design.ai
pdftotext -layout design.ai -

一括処理では、ファイル名の空白に耐えるようNUL区切りにし、元ファイルを上書きしません。

find designs -type f -name '*.ai' -print0 | while IFS= read -r -d '' file; do
  pdftotext -layout "$file" "${file%.ai}.txt" || printf 'failed: %s\n' "$file" >&2
done

抽出できない文字もある

アウトライン化された文字は図形なので取得できません。PDF互換がない形式や埋め込み画像も同様です。その場合はIllustratorスクリプトでテキストフレームを列挙し、図形や画像だけOCRへ回します。

見た目の順と内部の文字順は一致しないことがあります。「抽出成功」「空」「失敗」を分けて記録し、件数、固有名詞、数値を原本と照合します。まずPDF互換を使い、取れないものだけ別工程へ回すと手作業を減らせます。

今回は以上です。