OCRツールの使い方
- ファイルをアップロードします。「PDFまたは画像を追加」をクリックするか、ツールにドロップします。スキャンしたPDF、またはページを撮ったJPGやPNGの写真が使えます。
- 文字の言語を選びます。英語、スペイン語、フランス語、ドイツ語、ポルトガル語から選べます。正しい言語を選ぶと、結果がより正確になります。
- OCRを開始します。ページを1枚ずつ読み取り、進み具合が表示されます。初回は読み取りエンジンと言語データがブラウザにダウンロードされるので、少し時間がかかります。
- テキストをコピーまたはダウンロードします。右側にページごとのテキストが表示されます。誤って読み取られた部分を直してから、「テキストをコピー」か「.txtをダウンロード」をクリックしてください。
PDF OCRとは？
OCR（光学文字認識）は、文字の画像を、編集や検索ができるテキストに変える技術です。スキャンしたPDF、ページの写真、スクリーンショットには文字の画像しか入っていません。OCRはその中の文字を読み取り、文章そのものを取り出します。
このツールは、オープンソースのOCRエンジンであるTesseractを使って、ブラウザでOCRを行います。多くのPDFには両方の種類のページが混ざっています。ページにすでに本物のテキストがあれば、ツールはそのテキストをそのまま使うので、速く正確です。この設定をオフにして、全ページをOCRすることもできます。
よい結果を得るには
- 書類の言語を選びます。アクセント記号や、ñ、ç、ßのような文字は、その言語を選んだときだけ正しく読み取られます。
- くっきりした、まっすぐなスキャンを使います。ぼやけた文字、傾いた文字、影になった文字は読み取りにくくなります。スキャンしてPDFでは、文字の書類にはハイコントラストを選びましょう。
- 印刷された文字がいちばん向いています。タイプした書類、本、手紙、レシートはよく読み取れます。色付きの背景の上の小さな文字は苦手です。
- 数字は確認します。金額、日付、コードは、使う前に元の書類と見比べてください。
OCRでできないこと
手書きの文字はうまく読み取れないか、まったく読み取れません。レイアウトは保たれず、段組み、表、テキストボックスは普通のテキストの行になります。また、結果はテキストで、新しいPDFではありません。スキャンはスキャンのまま残ります。ページを画像として保存しておきたいなら、PDFを画像にを使いましょう。
全ページをお使いのデバイスで1枚ずつ読み取るので、長いPDFは時間がかかります。大きな文書なら、先に必要なページを抽出しましょう。PDFが開かない場合は、先に修復してください。
ファイルはお使いのデバイスで読み取られます。ブラウザにダウンロードされるのはOCRエンジンと言語ファイルで、あなたの書類がアップロードされることはありません。
このOCRツールを使う理由
- プライベート：契約書、身分証明書、手紙は、サーバーではなくお使いのデバイスで読み取られます。
- 無料、登録不要：アカウントもページ数の制限も透かしもありません。
- PDFも画像も：スキャンしたPDF、スマホの写真、スクリーンショットに対応します。
- できるところは正確に：すでにテキストがあるページは推測しません。
取り出したテキストの使い道
文書に貼り付けて編集したり、メールや翻訳ツールに貼り付けたりできます。書類の内容を共有することもできます。要点をまとめたカルーセルは、LinkedInで読みやすい形です。スキャンしたPDFはそのままではスライドにできませんが、テキストならできます。PDFからカルーセルの「テキスト」タブに貼り付ければ、セクションがスライドになります。PDFをカルーセルにする方法もご覧ください。
