スキャンは入れ物に入った一枚の画像

紙をスキャナーやスマートフォンのカメラに通すと、1 ページにつき大きな画像が一つでき、印刷とページ送りが正しくなるように PDF で包まれます。中に文字データはありません。文字の A は濃いピクセルの模様で、B と同じ種類のものです。

PDF は両方を同時に持てます。画像と、その上に重ねた見えないテキスト層で、後者は OCR が作るものです。多くのスキャンは画像だけです。20 ページのスキャンが 30 MB になり、20 ページの打ち出し文書が 300 KB で済むのはそのためです。

変換にできること、できないこと

PDF を Word やテキストにする変換が読むのはテキスト層です。テキスト層がなければ読むものがなく、正直な結果は二つだけです。ページ画像を並べた文書か、失敗か。

スキャンに対して「成功」し、画像だらけの Word を返す変換は、そのページを読んだのではなく写しただけです。編集できるレイアウトが欲しいなら役に立ちますが、検索できる文字は得られませんし、ふつう「変換」と言うときに期待されるものではありません。

このサイトは OCR を行いません。スキャンはスキャンのままです。変換はあるものを移し、そう書きます。言葉を捏造することはしません。検索できる文字が必要なら OCR ツールを使ってください。大切な文書を預ける前に、それが端末内で動くかどうかを確認してください。

どちらなのかを見分ける

三つの確認で、一分以内に決着します。

  • 段落を選択する。ハイライトされるならテキスト層があり、変換は機能します。
  • ページ上に見えている単語を検索する。結果が出なければテキスト層はありません。
  • 1 ページあたりのサイズを見る。数百 KB 以上ならスキャン、数十 KB なら文字です。

OCR が必要な場合

OCR はピクセルから文字を認識し、テキスト層を PDF に書き戻します。変換とは別の仕事で、時間がかかり、精度はスキャン次第です。300 dpi、傾きなし、コントラストが高く、手書きがないこと。人名、数字、細い書体の箇所は、あとで直す前提で臨んでください。

読むためだけのスキャンなら、画像への変換で足りることが多く、OCR より速く、劣化もありません。