PDFの不正確なOCRテキストを修正する
見た目は問題ないのに、検索で何も見つからない、違う語がヒットする、コピーした文字が意味不明になる、というPDFがあります。多くの場合、スキャン時に精度の低いOCRソフトで処理されたか、PDF内のフォントに図形と文字を対応づける情報が欠けています。OCR PDFは古いテキストレイヤーを置き換えたり、ページを画像から読み取り直したりできます。
PDFのテキストを修正する方法
- 問題の種類を確かめる いくつかの単語を選択してテキストエディタに貼り付けます。誤っているが読める単語ならOCRの問題、でたらめな記号ならフォントの問題です。
- PDFをOCR PDFにアップロード 上のボタンからOCR PDFを開き、ファイルを選択します。
- モードを選ぶ 古く精度の低いOCRレイヤーには「自動」のままにします。その隠れたテキストが置き換えられます。フォントが原因の文字化けには「強制」を選びます。すべてのページを画像から読み取り直します。
- 結果を確認する PDFをダウンロードし、いくつかの単語を検索したり段落をコピーしたりして、新しいテキストを確認します。
2つの原因と2つの解決策
古いOCRレイヤーを置き換え
「自動」は以前のOCRソフトが追加した隠れたテキストを検出して削除し、最新のエンジンでページを認識し直します。
本来のテキストは保持
「自動」モードでは、文書に入力されたテキストには手を加えません。やり直すのは画像の内容と古いOCRテキストだけです。
壊れたフォント
コピーすると「ÿþ」のような記号や四角になる場合、フォントに正しい文字マップがありません。「強制」は各ページを画像にしてすべて認識します。
「強制」の代償
「強制」では本来のテキストがページ画像の一部となり、認識したテキストに置き換わるため、リンクや選択可能な元のテキストは失われます。必要なときだけ使ってください。
入力が良ければテキストも良くなる
薄い、ノイズの多い、傾いたスキャンは、どのソフトでもOCRの精度が落ちます。まずスキャンをきれいに補正してから、OCRを実行してください。
適切な言語
文書に出てくるすべての言語を選んでください。言語の指定漏れは、OCRで単語を誤認識する最も一般的な原因の一つです。
知っておきたいこと
- OCRは完璧ではありません。良好な結果でも0とO、1とl、rnとmを取り違えることがあります。名前、数字、金額は確認してください。
- コピーが誤るのではなくブロックされている場合、PDFに権限の制限があります。代わりにPDFのロックを解除を使ってください。
不正確なOCRの修正 – よくある質問
PDFからコピーした文字が文字化けするのはなぜですか？
隠れたOCRテキストの精度が低いか、PDFのフォントが図形を実際の文字に対応づけていないかのどちらかです。前者はOCRのやり直しで、後者は「強制」モードで解決します。
OCRをやり直すとページの見た目は変わりますか？
「自動」モードでは変わりません。変わるのは見えないテキストだけです。「強制」モードではページが画像として保持されるため、見た目は同じですが、テキストはもう元のものではありません。
間違った単語を1つだけ手作業で直せますか？
いいえ。OCR PDFはページを認識し直すもので、手作業でのテキスト修正機能はありません。
OCR後も検索結果がおかしいのはなぜですか？
言語とスキャン品質を確認してください。低解像度、強い圧縮、手書き文字はエラーの原因になります。
無料ですか？
はい。無料で、登録不要・透かしなし、ファイルは処理後に削除されます。
PDFの不正確なテキストを置き換えましょう
PDFをOCR PDFにアップロードし、モードを選ぶだけで、検索・コピーできるテキストが得られます。
PDFのテキストを修正