スキャンされたPDFページからテキストを抽出する方法.

PDF内の文を選択してみてください。読み取り可能なテキストをコピーできる場合は、PDFからテキストへの変換がより簡単な出発点となる可能性があります。選択しても何も表示されない場合、またはコピーされた単語が使用できない場合は、OCRが役立つかもしれません。特定のページを確認してください。1つのPDFには、スキャンされたページと通常のテキストページが混在している場合があります。

PDFOCRを開き、最大200MB、750ソースページまでのPDFを1つアップロードします。これらはソースの制限であり、1回の認識リクエストで処理されるページ数ではありません。保護されたドキュメントは、ロックを解除したコピーを使用してください。複雑なファイルは、メモリや処理の制限に早く達する可能性があります。

PDF を開く OCR · 既存のPDFテキストレイヤーを抽出する

ドキュメントと一致する場合は英語のままにするか、128種類の認識言語から検索してください。Webサイトのインターフェース言語は別の選択肢です。別のドキュメント言語を選択すると、その言語専用のPDFOCRページが開きます。

必要なページに移動します。ページ全体を認識させるか、一節の周りに長方形を描画します。完全な単語、句読点、および行の周囲に十分なスペースを含めてください。領域を指定することで、近くの資料から役立つ列を分離するのに役立ちます。

利用可能な場合は「クラシック」または「フューチャー」を選択します。印刷されたワークショップの通知の場合、「クラシック」の「1列」が適切な出発点です。「複数列」を選択する場合は、ページ全体ではなく、選択したコンテンツと設定が一致していることを確認してください。画像補正コントロールは、準備によってソースが改善される場合にのみ使用してください。

「開始」をクリックして検証を完了します。各リクエストは、現在のページまたは選択した範囲を処理します。完了したら、認識されたテキストの横にあるソースプレビューを使用して結果を確認します。

ワークショップの通知については、日付、時間、場所、指示をスキャン画像と比較してください。小さな句読点、名前、数字を注意深く確認してください。参照や金額の文字が間違っていると、一見正しく見えることがあります。

テキストを直接修正します。別のページを認識するには、エディタに戻り、そのページに移動して別のリクエストを実行します。新しい認識タスクで置き換える前に、必要な結果を保存しておいてください。

TXTは現在のプレーンテキストを保存します。メインのWordダウンロードは、新しいレイアウトで編集可能なテキストドキュメントを作成しますが、すべてのソースの表、画像、列を再現するわけではありません。どちらも、別のアプリケーションで文言を修正したい場合に便利です。

「クラシック」の検索可能なPDFは、認識されたページまたは範囲を、元のOCRテキストレイヤーを持つ画像として保持します。これはアップロードされたすべてのページのOCRバージョンではなく、後のテキスト修正によって隠しレイヤーが書き換えられることはありません。「フューチャー」の「シンプルPDF」は、新しいドキュメントレイアウトで現在のテキストを使用します。

見出し、リスト、その他のサポートされている書式設定には「スマート編集」を使用し、そのエディタから直接Word、PDF、またはHTMLをダウンロードします。「変更を適用」すると、プレーンテキストがメインの結果に戻ります。翻訳が必要な場合は、まず文字起こしを修正してください。「テキストを翻訳」は、最大25,000文字までの現在のテキスト全体を使用します。

OCRテキストの書式設定と調整 · 確認済みの文字起こしを翻訳する