PDFのOCRテキスト認識による文書検索の活用法とは?

圧倒的な速さが決め手

• スキャンした原稿の文字情報を機械的にPDFの中から拾い出して透明テキストとしてPDFファイルの中に埋め込みます。
• 人間が読み取って手入力するのに比べて圧倒的に速いため、低コストで検索システムを構築出来ます。
• 書類の中から必要なキーワードが含まれている箇所を探し出す必要がある場合におすすめです。

①電子化されたPDFファイルをアクロバットリーダーで開きます。

②アクロバットリーダーのツールバーにある虫眼鏡アイコンをクリックし、現れた検索ボックスに任意のキーワードを入力します。（Adobe Acrobat Reader DCの場合）

③エンターキーを押すと検索窓に（1／63）のように該当する語句の文書内の数量が表示され、該当するキーワードが全てハイライト表示されます。

④エンターキーを押すごとに次の候補にジャンプして次々に移動していき、（2／63）、（3／63）・・・と数字が変化して表示されます。1ページが終わると次の該当ページに移ります。

⑤文書内の目的箇所が見つかるまで続けます。

機能強化されても、いたってシンプルで簡単

完全一致、部分一致、しおりを含めるかなど、「簡易検索」に比べると検索条件を細かく指定できます。

①アクロバットリーダーのメニューの「編集」→「高度な検索」を選択します。（Adobe Acrobat Reader DCの場合）

②検索ウインドウが開くので検索窓に検索ワードを入力し、「大文字と小文字を区別」などの詳細オプションを決め、検索ボタンを押します。

③検索ウインドウ内にファイル内の全候補が、前後の文章と共にリスト表示されるので、気になる候補をクリックします。

④該当PDFファイルが開くので、後は探しているページが見つかるまで、リストの候補箇所をクリックするだけです。

パターン・特徴のある誤変換

機械的に自動変換するためどうしても誤変換が発生したり、文字として認識できない箇所が生じるのがOCRのテキスト変換（テキストの埋め込み）だということを予め理解していただく必要があります。