誰かがペンでマークを付けたプリントアウトの束があり、Google ドキュメントに直接書き込んだページもいくつかあります。すべてを、プロフェッショナルで一貫性のある 1 つの PDF ファイルに結合する必要があります。スキャンされたページは紙の平らな写真です。デジタル ページにはライブ テキストが含まれています。これら 2 つの根本的に異なるタイプの PDF コンテンツを 1 つのドキュメント内に共存させることはできますか?簡単に言うと「はい」ですが、それらがどれだけうまく共存できるかは、マージにどのようにアプローチするかによって決まります。
これは珍しいシナリオではありません。 Association for Information and Image Management による 2024 年の調査では、組織の 42% が依然として日々のワークフローでスキャンされた文書とデジタルで作成された文書の組み合わせを定期的に処理していることがわかりました (AIIM、「State of Intelligent Information Management」、2024)。ハイブリッド PDF は、スキャンされた画像ページとボーンデジタル テキスト ページの両方を含むドキュメントであり、法律事務所、会計事務所、不動産会社、および学術部門で日常的に使用されています。
PDF 内のスキャンされたページとデジタル ページの違い
スキャンされたページとデジタル ページの結合に注意が必要な理由を理解するには、各種類のページに実際にファイル レベルで何が含まれているかを知ることが役立ちます。デジタル ページには、正確な位置、フォント参照、および Unicode 値を持つ個々のテキスト文字が保存されます。検索機能はこれらの文字を直接読み取ることができます。スキャンされたページには、多くの場合 JPEG または JPEG2000 形式で、ページの寸法に等しい長方形の領域を占める単一の圧縮画像が保存されます。ファイルは、その画像が何を描いているかについては何も知りません。それはテキスト、写真、または図面である可能性がありますが、PDF では区別されません。
この違いは実際的な影響を及ぼします。マージされたハイブリッド PDF では、一部のページは検索可能ですが、一部のページは検索可能ではありません。一部のページには選択可能なテキストがあり、一部のページは写真のように動作します。ページあたりのファイル サイズも大幅に異なります。デジタル的に作成されたプレーン テキストのページは 30 ～ 50 KB を占める場合があります。同じコンテンツをフルカラー 300 DPI でスキャンすると、500 KB ～ 2 MB を占有する場合があります。 20 ページのハイブリッド ドキュメントのサイズは、ほとんどがデジタル ファイルの 2 MB から、ほとんどがスキャンされたファイルの 30 MB まで簡単に変動します。このバリエーションは、ドキュメントを電子メールで送信する場合や、ファイル サイズが制限されているポータルにアップロードする場合に重要になります。
すべてを整理しながらスキャンしたページとデジタル ページを結合する方法
スキャンした PDF ページとデジタル PDF ページを結合する実際のプロセスは、他の PDF ファイルのセットを結合する場合と変わりません。 Merge PDF ツールであればどれでもこのジョブを処理できます。 WukongPDF の結合ツールを使用すると、ファイルを任意の順序でアップロードしたり、ドラッグしてページを並べ替えたり、結合された 1 つの PDF をダウンロードしたりできます。このツールは、各ソース ページがスキャナーまたはワード プロセッサーから作成されたかどうかを考慮しません。すべての入力ページを同等に扱い、指定した順序で結合します。
より重要な考慮事項は、マージ後に何が起こるかということです。最終的な文書を完全に検索可能にしたい場合は、結合の前または後に、スキャンされたページに OCR ステップを実行する必要があります。結合する前に OCR を実行すると、スキャンされた各ファイルのテキスト品質を個別に確認できるため、より詳細な制御が可能になります。文書全体を 1 回のパスで処理するため、結合後に OCR を実行すると便利です。どちらのアプローチも機能します。選択は、ソース文書ごとに OCR 設定を個別に微調整する必要があるかどうかによって異なります。
ページ サイズの一貫性も、監視する価値のある詳細の 1 つです。スキャンされたページは、多くの場合、スキャナ ベッド上の用紙の物理的寸法 (通常は US レター (8.5 x 11 インチ)) にデフォルト設定されます。デジタル ページは、A4 (8.27 x 11.69 インチ) または元のアプリケーションで使用されていたカスタム サイズで作成された可能性があります。同じ PDF 内にわずかに異なるサイズのページが表示される場合、ほとんどの閲覧者は、表示ウィンドウに合わせて各ページを拡大縮小することで、その変化を適切に処理します。ただし、わずかに異なるページ サイズ間の視覚的な遷移は、スクロール時に不快になる場合があります。ユースケースで一貫性が重要な場合は、結合プロセス中にすべてのページを単一のサイズに標準化することを検討してください。
ハイブリッド PDF が適切な場合とそうでない場合
ハイブリッド PDF は、多くの一般的な状況において実用的なソリューションです。法律専門家は、デジタルで作成した契約書と、スキャンした証拠書類や証拠書類を日常的に組み合わせています。不動産業者は、デジタルで作成したオファーと、スキャンした検査報告書および開示フォームを統合します。会計士は、コンピューターで生成した財務諸表と、スキャンした領収書や請求書をバンドルします。これらのいずれの場合でも、ハイブリッド PDF はその目的を果たします。つまり、誰かが開いたり、スクロールしたり、最初から最後まで確認できる単一の整理されたファイルを作成します。
ただし、ハイブリッド PDF では不十分な状況もあります。受信者が文書全体でテキストを検索する必要がある場合、OCR 処理されない限り、スキャンされたページは検索機能には表示されません。受信者が任意のページからテキストをコピーして貼り付ける必要がある場合、スキャンされたページはそのテストに合格しません。裁判所電子ファイリング システムや文書管理プラットフォームなど、自動テキスト抽出や全文インデックス作成を実行するシステムに文書が送信される場合、それらのシステムではスキャンされていないページにより空白またはエラーが埋め込まれた結果が生成されます。
このような一か八かのシナリオでは、結合前にスキャンされたすべてのページで OCR を実行することはオプションではなく、必須です。完全に検索可能なハイブリッド PDF は、完全にデジタル化された PDF とほとんど区別がつきません。唯一の違いは、スキャンされたページはズームしてもテキストがリフローされないのに対し、デジタル ページは作成方法によってはリフローされる可能性があることです。最も実際的な目的では、スキャンされたすべてのページに OCR を備えた適切に実行されたハイブリッド PDF は、純粋なデジタル ドキュメントと同じユーザー エクスペリエンスを提供します。
スキャンされたコンテンツとデジタル コンテンツを混在させる場合のファイル サイズの管理
多くの場合、ハイブリッド PDF について最初に注目されるのはファイル サイズですが、それは良い意味ではありません。 3 ページが 300 DPI カラー スキャンで、7 ページがプレーン デジタル テキストである 10 ページのドキュメントは、軽く 10 MB を超えることがあります。そのドキュメントを電子メールで送信する必要がある場合、多くの電子メール サーバーでは添付ファイルの上限が 25 MB に制限されているため、モバイル データ接続を使用している受信者は、サイズが数分の一になる可能性があるコンテンツに対して、それほど大きなファイルをダウンロードすることを歓迎しません。
いくつかの手法を使用すると、ハイブリッド PDF のファイル サイズを制御できます。カラーではなく白黒またはグレースケールでスキャンすると、テキストの多いドキュメントのページあたりのファイル サイズが約 60% ～ 80% 削減されます。スキャン解像度を 300 DPI から 200 DPI に下げると、ファイル サイズが約半分に減りますが、読みやすいテキストと許容可能な OCR 結果を得るために十分な詳細が得られます。最終ステップとして結合された PDF に圧縮を適用すると、合計サイズをさらに削減できます。 スキャンされた PDF ページでは、スキャン画像には画面上での表示や印刷に必要なピクセル データよりもはるかに多くのピクセル データが含まれることが多いため、特に圧縮の恩恵を受けます。 WukongPDF の圧縮ツールは、目に見える品質の低下なしにハイブリッド PDF を 50% ～ 70% 縮小することができ、電子メール サーバーからバウンスされるファイルと送信されるファイルの違いが生じます。
ステップバイステップ: クリーンなハイブリッド PDF の作成
ハイブリッド PDF を構築するための一貫したアプローチは、毎回即興で作成するよりも良い結果をもたらします。カラーが特に必要でない限り、まずすべての物理ページをグレースケールの 300 DPI でスキャンします。単一の結合スキャンとしてではなく、個別の PDF ファイルとして保存します。次に、スキャンした各ファイルを開いて、ページがまっすぐで読み取れることを確認します。最終ドキュメントを検索可能にする必要がある場合は、スキャンしたファイルに対して OCR を実行します。
デジタル ページを収集します。複数のファイルにまたがっている場合は、最初にそれらを結合します。これで、スキャンされた PDF のバッチとデジタル PDF のバッチの 2 つのクリーンなセットができました。マージ ツールを使用して、それらを正しい順序で結合します。ブラウザベースの結合インターフェイスには、アップロードされたすべてのページがサムネイルとして表示され、所定の位置にドラッグできるため、スキャンしたページとデジタル ページを順番に並べることが迅速かつ視覚的に行えます。
結合後、簡単な品質チェックを実行します。すべてのページをスクロールします。回転して見えるページ、スキャンによってコンテンツの一部が切り取られたページ、テキストが非常に薄くて読みにくいページを探します。ソースの問題を修正し、必要に応じて再マージします。スキャンしたページに表示されることがわかっているいくつかの単語に対して Ctrl+F 検索テストを実行します。検索でそれらが見つかった場合、OCR は正しく機能しています。そうでない場合は、ドキュメントを共有する準備が整う前に、スキャンされたページにもう一度 OCR を通過させる必要があります。
最後にファイルサイズを確認します。ドキュメントを電子メールで送信する場合は、10 MB 未満に抑えることを目指してください。それを超える場合は、圧縮ステップを実行して再度確認してください。これらの確認手順に余分に数分間費やすことは、クライアント、同僚、または裁判所書記官から、送信した文書が使用できないと言われるよりもはるかに苦痛が少ないです。