スキャンした PDF を検索可能にする方法

スキャナーは紙の画像を生成します。この単語は適切に思えますが、Ctrl+F を押しても何も見つからず、コピー＆ペーストしても何も返されません。 OCR (光学式文字認識) は、画像の下に実際のテキスト レイヤーを追加するため、ドキュメントの外観を変えることなく検索可能になります。

一歩ずつ

1. 1

   PDF をアップロードする

   PDF をボックスにドラッグするか、「ファイルを選択」をクリックします。これは暗号化された接続を介して送信され、このタスクにのみ使用されます。

2. 2

   オプションを設定する

   言語とOCRエンジンを調整します。すべてのフィールドには適切なデフォルト値があるため、通常はすぐにツールを実行できます。

3. 3

   ブラウザで実行

   OCR は自分のマシン上で tesseract.js を使用するため、スキャンしたドキュメントをアップロードする必要はありません。テキスト レイヤーが追加され、スキャンの検索と選択が可能になります。ページの画像はそのままです。

4. 4

   実行してダウンロード

   OCR PDF を押すと、ページに進行状況が表示されます。完了すると、ダウンロード リンクが表示されます。電子メールで送信されるものは何もなく、必要以上に長く保存されることもありません。

画面の見え方

OCR によって何が変わるのか、そして OCR によって何が残されるのか

認識によりページ上の図形が読み取られ、画像の背後にテキスト レイヤーが書き込まれます。スキャンの見た目は変わりませんが、単語の選択と検索が可能になり、スクリーン リーダーが単語を読み上げるようになります。ぼやけたページを魔法のように修復したり、手書きのメモの写真を完璧なテキストに変換したりすることはできません。

認識前にスキャンを準備する

精度は OCR を開始する前にほぼ決定されます。およそ 300 DPI でスキャンし、ページを平らで正方形に保ち、曲がったページをまっすぐにします。 デスキュー まず。暗い背景や不均一な携帯電話の照明により、認識が混乱する可能性があります。きれいで均一に照明されたページは、どんな後処理設定よりも価値があります。

言語、レイアウト、手書き

ページに表示される言語を選択します。複数列レイアウトはドキュメントに応じた順序で読み取られるため、出力が視覚的な列に従っていると仮定するのではなく、出力を確認してください。手書きは最も困難なケースです。OCR は周囲に印刷されたラベルを認識できますが、手書き自体を見逃してしまうことがよくあります。これはバグではなく制限として扱ってください。

テキストに頼る前に確認してください

いくつかの特徴的な単語と数字 (請求書の合計、条項番号、姓) を検索し、結果をページと比較します。ビューアでテキスト レイヤーを開き、ページが引き続き正しく印刷されることを確認します。 OCR エンジンはこのサイトのブラウザで実行されるため、認識のためにスキャンをアップロードする必要はありません。プライバシーの違いは、パスポート、医療記録、顧客ファイルにとって重要であるということ。

OCR PDF の良い習慣

• OCR はブラウザで実行されるため、スキャンされた文書がアップロードされることはありません。
• 最初にスキャンをまっすぐにします。ページの傾きを補正すると、OCR が著しく向上します。
• 300 DPI スキャンは、精度と速度の間のスイート スポットです。

よくある質問

OCR PDF は何をするのですか?

スキャンした PDF の画像の背後に実際のテキスト レイヤーを追加するため、ドキュメントはまったく同じように見えながら検索、選択、コピーが可能になります。認識はデフォルトでブラウザーで実行されます。

OCR PDF は無料で使用できますか?

はい。このブラウザ ツールは無料で、ウォーターマークも 1 日のタスク制限もありません。 E-Sign と Legal Workflow のみが有料製品です。

OCR PDF を使用した後、ファイルはどうなりますか?

これらは推測不可能な ID で保存され、数時間後に自動的に消去されます。何も共有されず、インデックスも作成されません。

OCRによってスキャン画像は変化しますか?

いいえ、画像の後ろにテキストレイヤーを追加します。ページはまだオリジナルのスキャンのように見えます。

OCRは手書きでも機能しますか?

場合もありますが、信頼性はありません。印刷されたテキストがその有力な例です。手書きのメモは、多くの場合、手動での転記や修正が必要になります。

スキャンは OCR 用にアップロードされていますか?

このサイトでは、ブラウザーで Tesseract.js を使用して認識が実行されます。検索可能な PDF はローカルで組み立てられるため、スキャン自体は認識のために送信されません。