OCRでスキャンしたPDFを検索できるようにする方法
スキャンや写真を、検索・コピー・読み上げができるPDFに変える方法と、正確に認識させるコツ。
スキャンを検索できない理由
スキャナーやスマホのカメラが作るのはページの画像です。画像でできたPDFは文字のように見えても、コンピューターにとってはただの絵なので、検索しても見つからず、文をコピーすることもできません。
OCRがすること
光学文字認識は画像を解析して文字や単語を認識し、元の文字のちょうど上に見えないテキスト層としてPDFに書き込みます。ページの見た目はそのままで、検索、選択、読み上げ、Word変換ができるようになります。
良いスキャンを用意する
精度は元の画像の品質に左右されます。明るい場所で、紙を平らでまっすぐに置き、スキャナーの「書類」フィルターできれいな白背景にしましょう。200〜300dpi相当の解像度が理想です。
OCRを実行する
OCRツールを開き、ファイルと文書の言語（複数の組み合わせも可能）を選んで開始します。すでに文字のあるページはスキップされるため、混在した文書も素早く処理できます。
結果を確認する
文書に含まれる単語をいくつか検索してみましょう。極端に小さな文字、装飾的なフォント、手書きは、OCRが正確に読めない場合があります。
オフラインで安全
認識エンジンは端末内で動作し、ダウンロードされるのは言語モデルだけ（初回のみ）です。文書がサーバーに送信されることはありません。