スキャンPDFと検索可能なPDFの違いとは?

はじめに

同じように見える2つのPDFでも、操作できる内容が異なる場合があります。一方では単語を選択して検索でき、もう一方では各ページが写真のように扱われます。通常、その違いは利用可能なテキスト情報がPDFに含まれているかどうかです。

スキャンPDFとは何ですか?

スキャンPDFは、紙のページをスキャンしたり写真を撮ったりして、その画像をPDFに保存したものです。見えている文字はピクセルであり、必ずしも実際のテキスト文字ではありません。テキスト層がなければ、通常は単語を直接検索・コピーできません。

検索可能なPDFとは何ですか?

検索可能なPDFには、対応するPDFリーダーで検索できる文字が含まれます。Wordから直接書き出したものや、OCRでテキスト層を追加したスキャン文書などがあります。検索可能なスキャンは、元のページ画像を残したまま、認識された不可視の文字を追加できます。

検索できることは、認識の正確さ、編集のしやすさ、アクセシビリティを保証しません。

主な違い

PDFの種類を確認する方法

まず、単語を1つ選択してみます。次に検索機能で特徴的な語句を探します。最後に、コピーした文字をプレーンテキストエディターに貼り付け、ページと比較します。検索できない原因が文字のエンコーディングの場合もあるため、1つの確認だけで結論を出すことはできません。

スキャン文書を検索可能にする方法

ステップ1:ページを準備する

鮮明で正しい向きの、十分なコントラストがあるスキャンを使います。端の切れ、影、手ぶれによるぼやけを避けてください。

ステップ2:OCRソフトウェアを選ぶ

光学文字認識と、文書で使われている言語に明確に対応したツールを選びます。すべてのPDF変換ツールにOCRが含まれているわけではありません。

PDFreevertは現在OCRを提供していません。画像だけのスキャンを検索可能にするには、OCRに対応した別のアプリケーションを使用してください。

ステップ3:文字を認識する

OCRを実行します。ツールによって、検索可能なPDFや編集可能な文書が出力されます。

ステップ4:正確さを確認する

複数の語句を検索し、代表的な文章をコピーします。氏名、日付、合計、識別番号を丁寧に確認してください。OCRはOと0のような文字を混同する場合があります。

ステップ5:元の文書を保存する

特に正確さや記録の完全性が重要な場合は、元のスキャンを参照用に保存します。

どちらを使うべきですか?

見た目を共有するだけなら、画像だけのPDFで十分な場合があります。調査、文書の収集、情報検索には、検索可能なPDFの方が役立ちます。段落の編集や表の抽出が必要なら、追加の変換や検証が必要になる場合があります。

よくあるOCRの問題

複数列のページでは、読み取り順序を誤る場合があります。手書きや特殊なフォントは正しく認識されないことがあります。見えているスキャン画像がきれいでも、テキスト層に誤りが含まれる場合があります。検索機能は、アクセシビリティ用のタグや論理的な読み取り順序の代わりにはなりません。

よくある質問

スキャンPDFを検索可能にできますか?

はい。OCRで認識した文字を追加すると検索可能にできます。

OCRは必ず見た目を変えますか?

いいえ。元のページ画像を残す作業方法もあります。

検索可能なPDFは完全に編集できますか?

いいえ。編集にはPDFエディターや他の形式への変換が必要になることが多くあります。

コピーした文字に誤りがあるのはなぜですか?

OCRの認識や、文字の対応付けに誤りがある可能性があります。

PDF/Aにすると自動的にスキャンを検索できますか?

いいえ。長期保存の規格への適合とOCRは、別の処理です。

まとめ

画像だけのスキャンはページの見た目を保ち、検索可能なPDFはテキスト情報も提供します。検索や抽出が必要ならOCRを使い、重要な結果を確認してください。その他のPDF作業にはPDFreevertをご利用ください。