OCR PDF

PDFを検索およびコピー可能にします。

仕組み:

  • テキスト抽出: Tesseract OCRを使用してスキャンした画像やPDFからテキストを認識します。
  • 検索可能な出力: 見えないテキストレイヤーを含む新しいPDFを作成し、元の外観を保ちながら文書を完全に検索可能にします。
  • 文字フィルタリング: ホワイトリストを使用して不要な文字を除外し、特定の文書タイプ (請求書、フォームなど) の精度を向上させます。
  • 多言語サポート: 複数言語が混在する文書のために複数の言語を選択します。

クリックしてファイルを選択します またはドラッグ&ドロップ

ファイルがデバイスの外に出ることはありません。

仕組み

1

ファイルをアップロードする

ファイルをクリックまたはドラッグ&ドロップして始めます

2

プロセス

プロセスボタンをクリックしてスタートします

3

ダウンロード

処理したファイルをすぐに保存します

関連するPDFツール

PDFを結合

無料のオンライン PDF 結合ツール

PDFを圧縮する

無料のオンライン PDF 圧縮ツール

PDFの分割

無料のオンライン分割 PDF ツール

PDFの編集

無料のオンライン PDF 編集ツール

PDFを回転する

無料のオンライン PDF 回転ツール

よくある質問

PDF に OCR が必要かどうかを確認するにはどうすればよいですか?

任意のビューアでファイルを開き、テキスト行を選択してみてください。ハイライト表示や検索で一致するものが見つからなかった場合、そのページは単なる画像 (スキャンまたは写真) であり、OCR によって不足しているテキストが追加されます。選択可能なテキストがすでに含まれている PDF には、このツールは必要ありません。

どの言語を認識できますか?

英語、スペイン語からアラビア語、ヒンディー語、日本語、中国語まで、100 を超える Tesseract 言語パックがリストされています。文書内に表示されるすべての言語にチェックを入れます。パックは一緒にロードされるため、混合言語のページは 1 回のパスで認識されます。一部のセルフホスト型展開では、短いリストがバンドルされており、言語ピッカーの上にその旨が表示されます。

OCR によってドキュメントの見た目が変わりますか?

いいえ。元のページは変更されずにコピーされ、目に見えないテキスト レイヤーが上に描画され、スキャンに一致するように単語ごとに配置されます。前と同じ画像が表示されますが、テキストを検索、選択、コピーできるようになりました。

どの解像度設定を使用すればよいですか?

高 (288 DPI) がデフォルトであり、一般的なオフィス ドキュメントを処理します。速度が重要な場合やファイルが長い場合は標準 (192 DPI) に下げ、小さな文字、脚注、スキャンが不十分な場合はウルトラ (384 DPI) を使用します。設定を高くすると、認識前にすべてのページがそのサイズでレンダリングされるため、時間がかなり長くなります。

キャラクターのホワイトリストは何をしますか?

これにより、出力が固定の文字セットに制限され、小文字の l が 1 として読み取られるなどのエラーが削減されます。Invoice プリセットでは、数字と記号 $ のみが使用できます。 、/ - # :、数値はシリアル番号またはメーター読み取り値のみに適しており、カスタムでは独自のセットを入力できます。

手書き文字は読めるのでしょうか?

確実ではありません。 Tesseract は印刷されたテキストでトレーニングされているため、整然としたブロック大文字は機能する場合もありますが、筆記体はほとんどの場合ノイズを生成します。きれいで明るい印刷ページで最高の結果が得られます。二値化オプションは、色あせたスキャンやコントラストの低いスキャンに役立ちます。 PDFの傾き補正 まず傾いたものをまっすぐにします。

PDF ではなく、認識されたテキストだけを取得できますか?

はい。 OCR が完了すると、抽出されたテキストがボックスに表示され、そこで確認したり、クリップボードにコピーしたり、ocr-text.txt としてダウンロードしたりできます。検索可能な PDF のダウンロードは別になっているため、どちらかまたは両方を利用できます。

OCR はスキャンをサーバーにアップロードしますか?

いいえ。Tesseract はブラウザ内で WebAssembly として実行されます。ダウンロードされるのは、OCR エンジンと選択した言語パックのみで、最初に必要になったときに取得されます。スキャンされたページと認識されたテキストはデバイスに残ります。