検索可能な PDF を使用すると、Ctrl+F で単語を検索したり、テキストを選択してコピーしたり、検索エンジンやドキュメント管理システムによってファイルのインデックスを作成したりできます。 PDF がスキャンされた画像の場合、テキスト レイヤーを追加するまでは何も機能しません。PDF を検索可能にするのはまさにそれです。
「PDF を検索可能にする」とはどういう意味ですか?
紙の文書をスキャンして PDF を作成すると、各ページは画像として保存されます。テキストは視覚的には正しく見えますが、PDF には実際の文字データは含まれておらず、ピクセルのみが含まれています。 OCR (光学式文字認識) はこれらのピクセルを分析し、文字を識別し、PDF に隠しテキスト レイヤーを追加します。 OCR 後、ドキュメントは同一に見えますが、テキストは選択、検索、コピー可能になります。
Word、Excel、またはその他のソフトウェアから直接作成されたネイティブ デジタル PDF は、すでに検索可能です。 OCR を実行する必要があるのは、スキャンしたドキュメントまたはエクスポート中にテキストがアウトラインに変換された PDF に対してのみです。
WukongPDF を使用して PDF を検索可能にする方法
スキャンした PDF を WukongPDF の OCR PDF ツールにアップロードします。このツールは各ページを処理し、テキストを認識し、出力にテキスト レイヤーを埋め込みます。結果をダウンロードします。PDF は同じように見えますが、完全に検索可能になりました。複数ページのドキュメントの場合、すべてのページが 1 回の操作で処理されます。
WukongPDF の OCR PDF ツールは複数の言語をサポートしています。これは、英語以外のコンテンツを含むドキュメントにとって重要です。処理前に正しい言語を選択すると、精度が大幅に向上します。OCR エンジンは言語モデルを使用して、類似した文字を区別し、曖昧な読み方を修正します。
PDF を Adobe Acrobat で検索可能にする
Adobe Acrobat Pro で、スキャンした PDF を開き、[ツール] > [ツール] に移動します。スキャンとスキャンOCR >テキストを認識 >このファイル内。 「テキストを認識」をクリックしてプロセスを開始します。 Acrobat はすべてのページで OCR を実行し、テキストレイヤーを自動的に追加します。大きなドキュメントの場合、これには 1 ～ 2 分かかる場合があります。
OCR 後、[編集] > [編集] に移動します。文書内にあることがわかっている単語を見つけて (Windows の場合は Ctrl + F、Mac の場合は Cmd + F) 検索して、テキスト レイヤーが機能していることを確認します。単語が見つかった場合、OCR は成功しています。
OCR の精度に影響を与える要因
スキャンの品質が最大の要素です。良好な照明の下でクリーンでまっすぐな 300 DPI スキャンを行うと、エラーがほとんどなく正確な OCR が生成されます。スキャンがぼやけたり、歪んだり、低解像度になったりすると、間違いが発生します。画像が鮮明でない場合、似ている文字 (0 と O、l と 1、rn と m) が混同されることがよくあります。
手書きのテキストは別の課題です。標準の OCR は印刷されたテキスト用に設計されており、手書きには非常に苦労します。専用の手書き認識ツールは存在しますが、印刷されたテキストの OCR よりも精度がはるかに低くなります。
PDF を検索可能にした後に行うべきこと
検索可能になると、PDF はアーカイブ、インデックス付け、または共有できるようになります。ファイルが大きい場合、OCR の後に PDF Compression ツールを使用してファイルを実行することは多くの場合有益です。OCR 出力ファイルは入力ファイルよりわずかに大きい場合がありますが、圧縮するとテキスト レイヤーに影響を与えることなく元のサイズに戻ります。
全文検索をサポートするドキュメント管理システムやクラウド ストレージ (Google Drive、SharePoint、Dropbox) の場合、検索可能なバージョンをアップロードすると、ドキュメントのコンテンツがキーワードで検索できるようになり、数か月後、または数年後の検索がはるかに簡単になります。