Searchable PDF

検索可能なPDFは、ページに機械で読めるテキストを含むPDFです。閲覧ソフトは、単語を見つけ、テキストを選択してコピーでき、スクリーンリーダーや検索用のインデックスツールも内容を読めます。テキストは、ワードプロセッサーから書き出したPDFのように元の文書から来るか、ページの画像に適用したOCRから来ます。

スキャンしたページやスクリーンショットでは、一般的な形式は画像とテキストの組み合わせです。各ページには元の画像が表示され、OCRで生成された目に見えないテキストレイヤーが、同じ位置に重なります。ページの見た目は変わらず、検索と選択は非表示のテキストに対して機能します。

検索可能なPDFと画像のみのPDFの比較

項目	検索可能	画像のみ
単語を見つける	可能	不可
テキストを選択してコピーする	可能	不可
見た目	同じ	同じ
主な由来	書き出しまたはOCR	スキャンまたは画像の変換

簡単な確認方法：PDFを開き、Command+F を押して、目に見える単語を検索します。何も見つからない場合、そのページにはテキストレイヤーがありません。

検索可能なPDFの用途

• スキャンした書類とレシートのアーカイブ。
• 保存を許可された資料のスクリーンショットから作る学習ノート。
• 後で検索する必要がある法務とコンプライアンスの記録。
• 文書検索ツールでインデックス化されたナレッジベース。

PDFを検索可能にする仕組み

1. 各ページの画像がOCRに渡され、テキストとその位置が検出されます。
2. 認識されたテキストは、目に見えない描画のテキストオブジェクトとしてページに書き込まれます。
3. テキストは見えている文字と位置が揃えられるため、選択すると正しい領域が強調表示されます。

OCRの精度は、画像の解像度、コントラスト、フォント、言語によって決まります。

検索可能なPDFでよくある間違い

• テキストのように見えるという理由だけで、すべてのPDFが検索可能だと考える。
• 解像度の低い画像や、強く圧縮された画像にOCRを実行する。
• OCRのテキストを、誤認識された文字がないか確認せずにコピーする。
• 検索可能なPDFを、タグ付きのアクセシブルなPDFと混同する。

ページをPDFにまとめますか？

Temposhotは、結果パネルからキャプチャのセッションをOCR付きの検索可能な PDF として書き出します。既存の画像には、Screenshot to Searchable PDF を使ってください。詳しくは Macでスクリーンショットを PDF として保存する をご覧ください。

よくある質問

OCRはPDFの見た目を変えますか？

変えません。元の画像は見えたままで、テキストレイヤーは目に見えません。

検索可能なPDFはアクセシブルですか？

それだけではアクセシブルではありません。アクセシビリティには、タグ、読み上げの順序、代替テキストも必要です。

出典

• Optical character recognition（Wikipedia）
• PDF（Wikipedia）

関連リソース

• スクリーンショットから検索可能なPDF: ブラウザでOCRを実行します。
• 画像からテキストを抽出: 1枚の画像からテキストを取り出します。
• 書き出し形式: セッションからのPDFの書き出し。