mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-05 20:02:47 +01:00
55 lines
4.0 KiB
Markdown
55 lines
4.0 KiB
Markdown
---
|
||
title: OCR PDF
|
||
description: Tesseract OCRを使い、多言語と文字フィルターに対応して、スキャンしたPDFを検索・コピー可能にします。
|
||
---
|
||
|
||
# OCR PDF
|
||
|
||
スキャンした文書を、検索やコピーができるPDFに変えます。このツールはTesseract OCRで画像内のテキストを認識し、元のページの上に不可視のテキストレイヤーを重ねます。見た目はそのままで、内容を完全に検索できるようになります。
|
||
|
||
## 使い方
|
||
|
||
1. スキャンしたPDF、または画像ベースのPDFファイルをアップロードします。
|
||
2. 検索できる言語リストから、文書に含まれる言語を1つ以上選びます。
|
||
3. 必要に応じて、詳細設定（解像度、二値化、ホワイトリスト）を調整します。
|
||
4. **OCRを開始**をクリックし、リアルタイムの進行状況バーで進み具合を確認します。
|
||
5. 完了したら、抽出されたテキストを確認し、検索可能なPDFまたはプレーンな`.txt`ファイルをダウンロードします。
|
||
|
||
## 機能
|
||
|
||
- 検索可能な言語セレクターによる、多言語OCR
|
||
- 不可視のテキストレイヤーで、元の文書の見た目を維持
|
||
- 処理中のリアルタイムな進行状況バーとログ出力
|
||
- 検索可能なPDFまたはプレーンテキストファイルとして結果をダウンロード
|
||
- 抽出したテキストをクリップボードに直接コピー
|
||
- 速度と精度のバランスを取る、3段階の解像度
|
||
|
||
## オプション
|
||
|
||
| 設定 | 値 | 初期値 | 目的 |
|
||
| ---------------------------------- | ------------------------------------------------------------------------ | ------ | ---------------------------------------------------------------------- |
|
||
| **解像度** | 標準（192 DPI）、高（288 DPI）、超高（384 DPI） | 高 | 解像度を上げると小さな文字の精度が向上しますが、処理に時間がかかります |
|
||
| **画像を二値化** | オン / オフ | オフ | 白黒に変換して、きれいなスキャンのコントラストを高めます |
|
||
| **文字ホワイトリストのプリセット** | なし、英数字、数字と通貨、文字のみ、数字のみ、請求書、フォーム、カスタム | なし | 認識する文字を制限して、特定の種類の文書での精度を高めます |
|
||
| **文字ホワイトリスト** | 自由入力 | 空 | プリセットがカスタムのときに使う、手動の文字セット |
|
||
|
||
## 活用例
|
||
|
||
- スキャンした契約書や請求書を検索可能にして、Ctrl+Fで探せるようにする
|
||
- 撮影した文書や古い紙の記録からテキストを抽出する
|
||
- 請求書プリセットでレシートを処理し、金額や日付を正確に取り込む
|
||
- コンプライアンス要件のために、画像のみのスキャンからアクセシブルなPDFを作る
|
||
- スキャンした書籍やマニュアルのテキストを一括で抽出する
|
||
|
||
## ヒント
|
||
|
||
- 文書に複数の言語が混在している場合（例: 英語の見出しと日本語の本文）は、複数の言語を選択してください。
|
||
- 文字がかすれていたりコントラストが低い文書には、二値化オプションを使ってください。認識精度が大きく向上することがあります。
|
||
- 請求書とフォームのホワイトリストプリセットは、無関係な文字の形を無視するため、構造化された文書での誤認識を大幅に減らします。
|
||
|
||
## 関連ツール
|
||
|
||
- [PDFテーブルの抽出](./extract-tables)
|
||
- [PDFの結合](./merge-pdf)
|
||
- [PDFの圧縮](./compress-pdf)
|