本文へスキップ
  1. ホーム
  2. PDF の OCR

PDF の OCR

スキャンした文書を、コピーもできる検索可能な PDF と、プレーンテキストのファイルに変える PDF OCR です。端末の中で動き、ページ数の制限はありません。

アップロードなし 無料、アカウント不要 ページ数の制限なし

仕組み:

  • テキスト抽出: Tesseract OCRを使用してスキャンした画像やPDFからテキストを認識します。
  • 検索可能な出力: 見えないテキストレイヤーを含む新しいPDFを作成し、元の外観を保ちながら文書を完全に検索可能にします。
  • 文字フィルタリング: ホワイトリストを使用して不要な文字を除外し、特定の文書タイプ (請求書、フォームなど) の精度を向上させます。
  • 多言語サポート: 複数言語が混在する文書のために複数の言語を選択します。

クリックしてファイルを選択します またはドラッグ&ドロップ

ファイルがデバイスの外に出ることはありません。

PDF を OCR する方法

  1. スキャンした PDF を追加

    長さは問いません。ファイルは端末に残ります。

  2. 言語を選ぶ

    文書に印刷されている言語にチェックを入れます。ダウンロードされる言語データの量と、おおよその所要時間が表示されます。

  3. OCR を開始

    進行状況がページごとに表示され、いつでもキャンセルできます。

  4. PDF または文字を保存

    検索できる PDF、.txt ファイルの文字をダウンロードするか、文字をすぐにコピーします。

できること

Search for "total": no results
変換前
Same page, now with text: search, select, copy
変換後
OCR の結果に含まれるもの
できるもの どんなものか 向いている用途
検索できる PDF 元のページの言葉の上に、見えない文字を配置したもの 検索、コピー、保管、送付
テキストファイル (.txt) 認識したすべての文字をページごとに、レイアウトなしで 引用、メモ、ほかのアプリへの文字の貼り付け

OCR (光学文字認識) は、ページの画像の中の文字を読み取り、コンピューターで検索できる文字に変えます。スキャンした PDF はただの画像なので、検索も、文の選択も、数字のコピーもできません。OCR の後ならできます。このツールはブラウザ内で OCR を行い、ページ数の制限はなく、文書がアップロードされることはありません。

スキャンした PDF を検索可能に

元のページはそのまま残るので、結果はスキャンとまったく同じ見た目です。画像の下には、認識した言葉の見えない層が各単語の位置に置かれるので、検索すると正しい場所がハイライトされ、文字を選ぶと見えている言葉が選択されます。PDF にすでに文字があるか確かめるには、1 行を選択してみてください。選択できなければ OCR が必要です。

OCR の言語を選ぶ

文字認識では、どの文字体系や言葉が出てくるかを知っておく必要があります。そのため、文書に印刷されている言語をすべて選んでください。たとえば 2 か国語の書類なら英語とスペイン語です。日本語、中国語、韓国語、アラビア語、ヘブライ語、ヒンディー語など、100 以上の言語を使えます。各言語は 1 回だけダウンロードされ (ふつうは数 MB)、その後はブラウザに保存されます。サイズは開始前に表示されます。文書にない言語を選ぶと、認識が遅くなり精度も下がります。

OCR の精度を左右するもの

印刷された文字を 300 dpi できれいにまっすぐスキャンしたものなら、ほぼすべての言葉が正しく読み取れます。スマートフォンのぼやけた写真、低い解像度、傾いたり丸まったりしたページ、薄い印字、色付きの背景、珍しいフォント、罫線の詰まった表では精度が下がります。手書き文字はほとんど認識されません。詳細設定で解像度を上げると、時間はかかりますが小さな文字に効果があります。頼りにする名前や数字は必ず確認してください。

しくみ

各ページはブラウザ内で画像として描かれ、オープンソースの OCR エンジン Tesseract が端末の上で読み取ります。見つかった言葉とその位置は、見えないテキスト層として PDF のコピーに書き込まれ、テキストファイルにもまとめられます。ノートパソコンなら 1 ページ数秒で処理でき、スマートフォンではもっと時間がかかります。長い文書は時間がかかりますが制限はなく、開始前の目安で見通しが立ちます。

主な使い道と、うまくいかない場合

スキャンした契約書や手紙、古い本や論文、経理用のレシートや請求書、学校の配布資料、アーカイブの記録、後でパソコンで検索したいあらゆるもの。

  • レイアウトは再構成されません。 検索できる PDF は元の見た目のままで、テキストファイルはプレーンテキストです。文書を編集するには、その後で PDF をワードに を使ってください。
  • 手書き文字 はほとんど認識されません。
  • すでに文字がある PDF には OCR は不要です。その文字を取り出すには PDF をテキストに を使ってください。
  • スマートフォンでは、長い処理の間は画面をつけたままタブを開いておいてください。そうしないとブラウザが処理を一時停止します。

よくある質問

PDF の OCR とは何ですか?
文字認識のことです。スキャンしたページの文字を読み取り、本物の文字として PDF に加えるので、検索やコピーができるようになります。
PDF を検索できるようにするには?
このページで PDF を追加し、文書の言語を選んで「OCR を開始」を押します。終わったら、検索できる PDF をダウンロードします。
PDF にテキスト層があるかどうかを確かめるには?
文字の 1 行を選択するか、見えている言葉を検索してみてください。何も選択できず、何も見つからなければ、ページは画像なので OCR が必要です。
OCR で文字がすべて認識されなかったのはなぜ?
たいていは、スキャンがぼやけている、傾いている、解像度が低い、または選んだ言語が足りないことが原因です。解像度を上げ、正しい言語を選んで試してください。
OCR でレイアウトは保たれますか?
検索できる PDF は、スキャンとまったく同じ見た目です。テキストファイルにはレイアウトなしで言葉だけが入ります。
OCR で手書き文字を読めますか?
ほとんど読めません。印刷された文字向けに作られています。丁寧なブロック体の大文字なら読めることもあります。
ページ数の制限はありますか?
ありません。長い文書は時間がかかるだけで、開始前に所要時間の目安が表示されます。
ファイルはアップロードされますか?
いいえ。文字認識はブラウザ内で行われます。ダウンロードされるのは言語データだけで、それも 1 回きりです。文書が端末の外に出ることはありません。

更新日 ページと言語データを読み込んだ後はオフラインでも動作