スキャンPDFを検索できるPDFにする方法|見た目を残してOCR

スキャンしたPDFに文字が見えていても、Ctrl+Fで見つからない。そんなときは、ページが画像として保存されている可能性があります。OCRで画像の裏に検索用の文字情報(テキストレイヤー)を追加すると、書類の見た目を残しながら、PDFの中を検索できるようになります。

先に確認:検索できないのは画像だけのPDFだから?

  1. PDFを開き、検索で見つけたいページの文字をドラッグして選択できるか試します。
  2. Windowsは Ctrl+F、Macは Command+F で、画像に見える短い単語を探します。長い文を検索するより、短い語で試すと原因を切り分けやすくなります。
  3. 表紙だけ検索できても、本文が画像のことがあります。結果を出したいページで個別に確認してください。文字を選べるのに検索できない場合は、貼り付けた結果に文字化けや空白がないか確認します。

閲覧アプリによっては画面上の画像から文字を拾える場合があります。別の端末でも使えるPDFを作るには、保存したファイル自体に検索用の文字情報が入ったかを確認してください。

方法1:Acrobatで検索用のテキストを追加する

デスクトップ版Acrobatで「スキャンとOCR」が使える場合は、画面操作で進められます。無料のReaderで同じOCR機能が使える前提では進めず、利用中のプラン・製品で確認してください。

  1. 元のPDFのコピーを作り、Acrobatで開きます。
  2. 「すべてのツール」→「スキャンとOCR」→「このファイル内」を選びます。
  3. 認識するページ範囲と言語を指定します。見た目を優先する場合は、出力設定に「検索可能な画像(非圧縮)」など、元画像を保持する選択肢があれば選びます。名称や表示は版によって異なります。
  4. 「テキスト認識」を実行し、元ファイルとは別の名前で保存します。最初は1ページで結果を確かめてから全体を処理すると、言語や画質設定を選び直しやすくなります。

原稿が傾いていたり、影で文字が隠れたりしている場合は、原本を残したうえで再スキャンや補正を検討します。補正すると画像自体が変わる場合があるので、見た目を保ちたい書類では先に設定を確認してください。

方法2:Macで無料のOCRmyPDFを使う(端末内で処理)

ターミナルを使える方は、OCRmyPDFで検索用の文字を追加できます。以下はHomebrewが入っているMac向けです。アプリや言語データの取得には通信が必要ですが、ここで使うローカルのTesseractによる認識にはPDFを外部のOCRサービスへアップロードしません。

brew install ocrmypdf tesseract-lang
tesseract --list-langs

一覧に日本語の jpn があることを確認します。作業用フォルダに移動し、入力ファイルを scan.pdf とした場合は次を実行します。

ocrmypdf -l jpn+eng --output-type pdf --optimize 0 "scan.pdf" "scan-searchable.pdf"

jpn+eng は日本語と英語を指定します。--output-type pdf は通常のPDFとして保存し、--optimize 0 は最適化を抑える設定です。傾き補正や強制OCRは加えていません。この設定でも、元のファイルとバイト単位で同一になるわけではなく、容量や文書の内部構造は変わり得ます。

既に文字が入っているページが混在する場合は、既存の文字があるページを飛ばす --skip-text を検討します。ただし、同じページ内に文字と画像が混在する場合、そのページの画像内の文字も処理されずに残ることがあります。無理に全ページを画像に変換せず、対象ページを確認してから方法を選んでください。署名済みPDFは原本に手を加えず、検索用の写しが必要なら管理者に確認します。

検証例:見た目が同じでも、取り出せる文字が違う

英語の在庫確認票を画像だけの1ページPDFにして、Linux上のOCRmyPDF 16.7.0で、上記と同じ出力・最適化設定を使って処理しました。言語は英語の eng を指定しています。

確認項目 処理前 処理後
PDFから文字を抽出 文字なし Inventory confirmation、0072、15,600 JPY を取得
ページを画像として描画 1ページ 100dpiで描画した画像は処理前と画素の差なし

抽出テキストには改行が追加されていました。この結果は1枚の英語サンプルでの確認です。日本語・手書き・複雑な表の精度や、Acrobat・Mac実機で同じ結果になることを示したものではありません。

保存できたかは「開き直して」確認する

  • 検索:新しいPDFを閉じて開き直し、目立つ見出しだけでなく、後半のページでも短い単語を探します。
  • コピー:日付、管理番号、金額を貼り付け、先頭の0、桁、記号を原本と比較します。見た目が正しくても、認識文字が間違っている場合があります。
  • 見た目:ページ数、向き、表の罫線、細かい注記を原本と見比べます。提出用の仕様がある場合も確認します。

OCR後も一部の語がヒットしない場合は、言語・ページ範囲・元画像の解像度を見直します。文章だけ取り出したい場合はスキャンPDFの文字をコピーする方法、不要ページを外したい場合はPDF結合・ページ管理ツールが使えます。ページ管理ツールでは文字認識はできません。

参考資料

公式資料確認日:2026年11月17日。

コメント

タイトルとURLをコピーしました