スキャンしたPDFを検索可能にする方法(OCR)

最終更新: 2026年7月7日

Ctrl+Fを押し、どこかにあるはずの請求書番号を打ち込んでも、何も出てこない。書類は目の前にあり、3ページ目に その番号ははっきり見えているのに、コンピューターにとってそのPDFにはテキストが一切含まれていません。これが スキャンしたPDFの日常的な悩みです。見た目は書類なのに、振る舞いは写真そのものなのです。

解決策はOCRです。そして今では、Acrobatもスキャナー付属ソフトもサブスクリプションも要りません。ブラウザで 数分あれば済み、適切なツールを選べば書類を端末の外に一度も出さずに実行できます。その手順と、OCRに現実的に 何ができて何ができないのかを、以下で説明します。

スキャンしたPDFが「死んだ書類」である理由

WordファイルやWebページから作ったPDFには、本物のテキストが入っています。一文字ずつが文字データとして保存 されているので、検索も選択もコピーもできるわけです。一方、スキャナーやスマホのカメラで作ったPDFには文字が 一つも入っていません。各ページは一枚の大きな画像、つまりテキストそのものではなくテキストの写真です。検索 しても何も見つからず、コピー&ペーストでも何も取れず、スクリーンリーダーも何も読み上げず、Windows Search やSpotlightのようなファイル索引ツールも素通りしてしまいます。

OCR(光学文字認識)は、この隔たりを埋める技術です。OCRエンジンは画像を調べ、文字や単語の形を認識し、 各単語のページ上の位置とともに、機械が読める本物のテキストを生成します。最新のエンジンは、きれいに印刷 されたページに対して驚くほど優秀です。オープンソースのTesseractエンジンは、もともとHPで開発され後に Googleが保守してきたもので、多くのデスクトップ向けOCRアプリの土台となっており、まともなオフィスの スキャンならごくわずかな誤りで読み取ります。

スキャンしたPDFを検索可能にする手順

robinpdfのOCRツールは、その同じTesseractエンジンのWebAssembly版を、あなたの ブラウザの中で直接動かします。手順は数クリックです。

1. OCR PDFのページを開きます。
2. 枠をクリックしてスキャンしたPDFを選ぶか、ファイルをドラッグして入れます。
3. 書類の言語を選びます。英語、スペイン語、あるいは両方が混ざっているなら両方を。エンジンはあいまいな文字の形を判別するのに言語を使うため、正しく選ぶことが大切です。
4. OCRを実行を押し、ページを処理させます。認識はあなた自身のプロセッサーで行われるので、古いノートパソコンでは長い書類ほど時間がかかります。デスクトップのOCRアプリとまったく同じです。
5. 結果をダウンロードします。見た目は元のスキャンとピクセル単位で同じですが、Ctrl+Fが効くようになり、テキストの選択やコピーができます。

立ち止まって考える価値のある点が一つあります。何もアップロードされません。むしろ通信は逆向きに流れます。 OCRエンジン自体が、ツールを初めて使うときにあなたのブラウザへダウンロードされ、その後は書類をローカルで 読み取るのです。スキャンした契約書、診断書、あるいは古い銀行明細の束にとって、これは先にファイルを渡す ことを求めるサービスとの意味のある違いです。アップロード型の一般的なサイトでファイルに何が起こるのかの 詳しい話は、オンラインPDFツールは安全か?にまとめてあります。

見えないテキスト層の仕組み

よくある心配は、OCRが書類の見た目を崩してしまうことです。認識したテキストからページを組み直す一部の ツールでは、実際にそうなり得ます。このツールは、プロの書類保管ソフトが採る安全な方法をとります。元の スキャン画像をそのまま保ち、認識したテキストをその下に、見えない形で、各単語が画像上に 現れる位置に合わせて配置するのです。

その結果はしばしば「サンドイッチPDF」と呼ばれます。あなたに見えるのは相変わらず元のスキャンで、印鑑も 署名もコーヒーのしみもそのままです。コンピューターに見えるのは、画像とぴったり重なった完全なテキスト層 です。検索すると、一致は隠れた層の中で見つかり、その上の画像上でハイライトされます。選択してコピーする ときも、その層からコピーしています。見えているページは何も変わらず、つまりOCRがスキャンの画質を落とす こともありません。画像は手を加えられずそのまま通されます。

OCRをかけたばかりのファイルが元より少し大きくなることがあるのも、このためです。今や画像に加えてテキスト も持っているからです。サイズが気になるなら、あとで結果をPDFを圧縮に通して ください。スキャンは通常かなり小さくなります。

検索可能なスキャンが本当に役立つ場面

• 領収書と請求書。届くたびにスキャンしてOCRをかけておけば、確定申告のときにページをめくる代わりに、フォルダー全体を取引先名や金額で検索できます。
• 古い家族の書類。タイプ打ちの手紙、証明書、記録類が検索・引用できるようになり、家系調査が劇的に速くなります。
• 研究論文。古い学術誌の記事は、生のスキャンとして出回ることがよくあります。OCRをかければ、引用を打ち直す代わりに検索とコピーができます。
• 保管された契約書。スキャンした契約書が並ぶ棚から一つの条項を探す作業が、半日仕事からキー一打ちに変わります。慎重に共有すべき内容を含む契約書なら、渡す前にOCRとPDFを黒塗りを組み合わせてください。

スキャンから最良の結果を得るために

OCRの精度は、エンジンよりも入力に大きく左右されます。いくつかの習慣で結果は大きく変わります。

• 300 DPIを目安に。OCRの古くからの目安です。200 DPIでも多くの場合まだ通用しますが、それを下回ると文字はエンジンが必要とする細部を失います。
• ページをまっすぐに。斜めにスキャンしたページは、明らかに認識が悪くなります。たいていのスキャナーソフトには傾き補正の機能があるので、使いましょう。
• 均一に照らす。スマホで書類を撮るなら、ページに影が落ちないようにし、真上から撮影します。
• 白地に黒がベスト。色つきの紙、蛍光ペンの跡、薄れたトナーは、いずれも精度を下げます。
• 言語を正しく設定する。スペイン語のテキストに英語のモデルをかけると、アクセント付き文字の周りで、それらしく見える無意味な文字列が生まれます。
• 一つにまとめたファイルにOCRを。スキャンがページごとの別ファイルで届いたなら、まず一つのPDFに結合し、それから全体を一度にOCRしましょう。

正直な限界:OCRにできないこと

境目については正直に言っておきましょう。OCRエンジンは印刷された文字のために作られているので、 手書きはほぼ手の届かない領域です。手書きの手紙や、手書きで記入された欄は、意味不明な 文字列になるか何も出てこないかで、何度スキャンし直しても直りません。低品質なスキャン、ファクス書類、 ぶれたスマホ写真、極端に小さい文字は、ときに多くの誤りを生みます。そして表の中の単語は 認識されても、表の構造は認識されません。OCRをかけたページから表をコピーすると、行と列としてではなく、 表計算に貼り付けられない、セルの値の羅列として取り出されます。

とはいえ、これらはOCRの本来の役目を損なうものではありません。読み違えた文字がいくつかある不完全な テキスト層でも、必要なページを数秒で見つけられます。たいていはそれこそが目的なのですから。

よくある質問

OCRのあと、PDFの見た目は変わりますか?

いいえ。見えるページは元のスキャン画像そのままで、変わりません。認識されたテキストは、その下に見えない層として追加されます。

私の書類はどこかにアップロードされますか?

いいえ。認識はあなた自身の端末上のブラウザ内で動きます。ダウンロードされるのはエンジンのほうで、ファイルが端末を離れることはありません。

対応している言語は?

英語、スペイン語、そしてその両方が混ざった書類のための両方同時、です。

手書きは読めますか?

確実にはできません。OCRエンジンは印刷書体で学習しています。きれいなブロック体の大文字はときどき通りますが、筆記体は通りません。

なぜ私のマシンではOCRが遅いのですか?

処理がサーバーではなく、あなたのプロセッサーで行われるからです。最新のノートパソコンなら一般的な書類をすばやくこなしますが、古いマシンでの長いスキャンには時間がかかります。ファイルごとに一度やれば済みます。

出力ファイルが大きくなりました。正常ですか?

はい、少しだけ。今や画像に加えてテキスト層を含んでいるからです。もっと小さくしたいならPDFを圧縮に通してください。

スキャンしたPDFを検索可能にする →