utilopdf
日本語

PDF OCR(文字認識)

紙からスキャンしたページの文字を読み取り、ページの画像と見比べて、読み違えた箇所を直せます。保存の形は、検索できるPDFか、プレーンテキストのファイルです。

文字を読み取るPDFを1つ追加してください。スキャンしたPDFにも対応します。

またはここにファイルをドロップ

PDFはこのブラウザのタブの中で処理され、アップロードされることはありません。

使い方

  1. 「ファイルを選ぶ」を押すか、PDFを1つツールにドロップします。ページはサムネイルの列になり、それぞれに「スキャン」か「テキストあり」の表示が付きます。
  2. 「文字認識の言語」で、文書に使われている言語をすべて選びます。最初は日本語と英語にチェックが入っていて、選び直した内容は記憶されます。
  3. 長い文書では、「ページ」の下で「ページ範囲」を選び、1-3, 5 のように入力して「適用」を押します。この項目は、ファイルが2ページ以上のときだけ表示されます。
  4. 文書全体なら「全ページを認識」、1ページずつなら、そのページを開いて「このページを認識」を押します。もともとテキスト情報を持つページには認識をかけず、その文字をそのまま取り込みます。
  5. ページとテキストを見比べて、読み違えた箇所を直します。画面が広いと、ページが左、テキストが右に並びます。「修正を元に戻す」を押すと、そのページの認識結果に戻ります。
  6. 「結果を保存」の下で、見えないテキストを重ねたコピーなら「検索可能なPDF」、プレーンテキストなら「テキスト(.txt)」、ほかへ貼り付けるなら「全文をコピー」を押します。

主な機能

  • ページとテキストを並べて表示

    ページの画像と認識したテキストが並んで表示されます。認識結果はテキストボックスに入っているので、そのまま直せます。「単語の枠を表示」を使うと、認識した単語ごとにページ上へ色が付き、どこをどう読み取ったのかが見て取れます。

  • 見た目が変わらない検索可能なPDF

    「検索可能なPDF」は、各ページを元のまま残し、その上に目に見えないテキストとして、認識した単語を重ねます。検索で見つかり、選択やコピーもできます。修正した内容も入り、ファイル名は元の名前の末尾に -ocr を付けたものです。たとえば scan.pdf なら scan-ocr.pdf になります。

  • もともと文字があるページ

    テキスト情報をすでに持つページは、認識を通さず直接読み取り、「テキストあり」と表示します。その文字がおかしいときは「それでも認識」を押すと、ページの画像から読み直します。

  • 7つの認識言語

    日本語・英語・韓国語・フランス語・ドイツ語・スペイン語・ポルトガル語から、1つでも、同じページに混ざっていても選べます。各言語は Deutsch や 한국어 のように、その言語自身の名前で表示されます。選ぶ言語が少ないほど速く認識できるので、文書に出てくる言語だけを選んでください。

  • 全ページを横断して検索

    「全ページを検索」は、全文から一致した数を数え、ページ上で色を付け、一致したページを 3ページ (2) のように並べます。上部のカウンターには、「完了ページ」「単語」「文字数」が表示されます。

  • 端末の中で認識

    文字を読み取るのは、ブラウザの中で動くTesseract OCRです。PDFを送信する処理はありません。最初の実行時にだけ言語データをこのサイトからダウンロードし、ブラウザが次回のために保管します。

知っておくと便利なこと

スキャンした賃貸契約書、写真に撮ってPDFにした領収書、古い報告書。こうしたものは、各ページがただの画像なので、中の文字を検索したり、コピーしたりできません。文字を認識しておけば、契約書の条項を言葉で探す、段落をメールに貼り付ける、あとで検索して見つかるように整理する、といったことができます。文字だけが必要なときは「テキスト(.txt)」、ページの見た目を変えたくないときは「検索可能なPDF」を使ってください。

認識がうまくいくのは、白い紙に濃い文字が印刷された、まっすぐで鮮明なスキャンです。小さな文字、スタンプ、手書き、折り目、薄いコピーは読み間違いが増えるので、名前・日付・金額は、頼りにする前にページと照らし合わせて確かめてください。複数ページの文書では、テキストファイルの各ページの前に — 2ページ — のような区切りの行が入ります。入力した修正は、2種類のファイルのどちらにも入ります。

スキャンしたページは1ページずつ読み取るため、長いスキャンには時間がかかり、スマートフォンではなおさらです。「中止」を押すと実行が止まり、終わったページは残ります。開くのにパスワードが必要なPDFは読み取れないので、先に「PDF のパスワードを解除」で外してください。ページごとに確かめず、手早くテキストファイルだけがほしいときは、「PDF テキスト変換」もスキャンしたページを読み取れます。

よくある質問

スキャンPDFの語句を検索できるようにするには？

PDFを追加して「全ページを認識」を押します。テキストに目を通したら、「検索可能なPDF」を押してください。できあがるファイルは見た目がスキャンのままで、中の言葉を検索したり、コピーしたりできます。

保存したあとも、ページの見た目は同じままですか？

同じままです。元のページには手を付けず、認識した単語が、ページ上の位置に合わせて見えないテキストとして載ります。

日本語や韓国語も読み取れますか？

はい。日本語と韓国語（한국어）は、7つの認識言語に入っています。日本語は最初から選ばれているので、韓国語など文書に出てくるほかの言語も、始める前に「文字認識の言語」で選んでください。

読み間違いがあるのはなぜですか？

薄い印刷、小さな文字、スタンプ、手書きは、認識の妨げになります。ページの横のテキストボックスで直せば、保存する2種類のファイルのどちらにも、直した内容が使われます。

もともと文字があるPDFでも使えますか？

使えます。自前のテキストを持つページは、その文字がファイルからそのまま取り出され、「検索可能なPDF」を保存してもそのページは変わりません。新しくテキスト情報を付けたページの数は、ボタンの下のメッセージに出ます。

PDFはどこかに送信されますか？

送信されません。認識はブラウザの中で動くので、PDFは端末から出ません。ダウンロードされるのは言語データだけで、初めて認識を実行したときにこのサイトから取得されます。

関連ツール