誰かがあなたに PDF を送りましたが、それはスクリーンショットのコレクションであることが判明しました。各ページは実際のテキストではなく、テキストの画像です。検索したり、コピーしたり、編集したりすることはできません。それは文書ではなく文書の写真です。これらのスクリーンショットベースの PDF を実際のテキストドキュメントに変換するには、OCR を使用して画像からテキストを抽出し、その後、編集可能な形式に変換する必要があります。
変換は 2 段階のプロセスで行われます。OCR によるテキスト レイヤーの作成と、Word などの編集可能な形式への変換です。各ステップには、最終出力の品質に影響を与える設定があります。両方を正しく行うと、元のスクリーンショットとほぼ一致する編集可能なドキュメントが作成されます。どちらかを間違えると、テキストが文字化けしたり、書式が乱れたりします。
ドキュメント AI 企業 ABBYY による 2025 年の分析によると、スクリーンショット ベースの PDF は、ドキュメント キャプチャ方法として携帯電話のカメラとスクリーンショットの使用が増加したことにより、OCR 処理のために提出された PDF の中で最も急速に成長しているカテゴリです (ABBYY、「ドキュメント キャプチャ トレンド レポート」、2025)。カジュアルなドキュメント共有ではスクリーンショットがスキャナーに取って代わりつつあり、それに応じてテキスト抽出に対する下流側のニーズも高まっています。
ステップ 1: スクリーンショット PDF を OCR 処理する
PDF をブラウザベースの OCR ツールにアップロードします。スクリーンショットには、OCR に影響を与える特定の特性があります。画面のテキストは通常、印刷標準では低解像度であり、画面とズーム レベルに応じて約 72 ～ 150 DPI です。 OCR エンジンは、エラーを引き起こすことなく、この低い解像度を処理する必要があります。最新の OCR エンジンのほとんどはこれに対応していますが、精度は印刷されたテキストの 300 DPI スキャンよりもわずかに低い場合があります。
スクリーンショットに、UI 要素、ボタン、アイコンの横にあるテキストなどの混合コンテンツが含まれている場合、OCR エンジンは非テキスト要素をテキストとして認識しようとし、出力にランダムな文字が生成されることがあります。 スキャン PDF OCR 処理は、スクリーンショットに背景がきれいなテキストがほとんど含まれている場合にスクリーンショットを最適に処理します。要素が重なっている混雑したスクリーンショットでは、ノイズの多い OCR 出力が生成されます。
ステップ 2: OCR 出力を Word に変換する
OCR 処理後、PDF にはテキスト レイヤーが含まれます。 PDF-Word コンバーターを使用して Word 形式に変換します。コンバーターは、OCR で生成されたテキストを読み取り、そこから Word 文書を構築します。作成された Word ファイルには、編集可能なテキストが含まれており、修正したり、書式を設定したり、他の文書で使用したりできます。これがパイプライン全体の目標です。スクリーンショット画像から編集可能なテキストドキュメントまでです。
OCR 後の PDF から Word への変換では、テキストの内容が保持されます。 OCR はテキストをキャプチャしますが、元のフォント、サイズ、色、間隔はキャプチャしないため、書式設定を調整する必要があります。 Word 出力は、書式設定が必要なテキストに正確な下書きとして扱います。内容は正しいです。外観には注意が必要です。
出力の編集と検証
元のスクリーンショット PDF と一緒に Word 文書を開きます。 OCR テキストとスクリーンショットをページごとに比較します。固有名詞、数字、専門用語に注目してください。これらは、OCR エラーによって意味が変わる単語です。エラーを含む一般的な単語は、通常、文脈から明らかであり、簡単に修正できます。財務書類内の間違った数値は、下流で計算エラーが発生するまで目に見えません。
WukongPDF の OCR PDF ツールは、パイプラインの最初のステップ、つまりスクリーンショット ベースの PDF に検索可能なテキスト レイヤーを追加するステップを処理します。 Word への変換により、2 番目のステップが完了します。その間、スクリーンショットの PDF は、検索、コピー、編集、再利用できる編集可能なドキュメントになります。
複数のスクリーンショット PDF を 1 つのドキュメントに結合する
単一のドキュメントを形成する複数のスクリーンショット PDF を受け取った場合は、それらをまとめて処理します。 PDF を結合し、結合されたファイルに対して OCR を実行して、Word に変換します。組み合わせたアプローチでは、後で手動で結合する必要がある複数の出力ドキュメントではなく、1 つの出力ドキュメントが生成されます。 WukongPDF はファイルを結合し、単一のドキュメントとして処理します。