PDFを検索可能にする方法とテキストの抽出方法

単語から始めましょう

PDFリーダーで文書を開き、単語を選択してコピーしてみてください。読めるテキストが得られた場合、PDFにはすでにテキスト層があります。「PDFからテキストを抽出」でOCRを使わずに抽出できます。スキャンにもOCRのテキスト層が含まれる場合があるため、写真のような見た目だけでは区別できません。

PDFを検索可能にする方法

単語を選択できない場合、ページが画像である可能性があります。OCR PDFは画像を解析し、対応する12言語で文字を認識します。コピー用のテキストが必要な場合はTXT、ページの見た目を保ちながらテキスト層を追加したい場合は検索可能なPDFを選んでください。

最初の使用では、サイトからエンジンをダウンロードします。スキャンはデバイス上に残ります。特に携帯電話では、一度に数ページ、最大 20 ページで作業します。

混合ドキュメントの例

ある文書に、デジタルのテキストがある2ページと、スキャンした領収書3ページが含まれています。デジタルのページには「PDFからテキストを抽出」、領収書だけにOCRを使うと、既存のテキストを再認識せずに済みます。OCRの結果には選択したページだけが含まれます。

数字と読み取り順序を確認

元の文書と照合し、特に日付、金額、名前、コードを確認してください。OCRは表や段組みを常に正しく再現できるとは限りません。TXTへの抽出ではフォントやレイアウトが保持されません。ページの見た目をそのまま保存するには「PDFをJPG・PNGに変換」を使ってください。