Mac でスキャンした PDF を検索可能にする方法

スキャンした PDF を検索できないのは、文字そのものではなく、各ページの写真が入っているからです。フラットベッドスキャナ、スマートフォンのスキャンアプリ、オフィスのコピー機は、スキャン中に OCR をかけない限り、たいていこの形でページを保存します。

できあがったものは書類に見えますが、振る舞いは写真アルバムです。プレビューで Command + F を押しても何も見つからず、Spotlight は書かれている内容からファイルを探せず、口座番号をメールにコピーすることもできず、スクリーンリーダーには読み上げるものがありません。

プレビューは PDF にテキストレイヤーを追加できないので、スキャンを検索可能にはできません。macOS のテキスト認識表示（Live Text）を使えば画像の中の文字を選択でき、電話番号や住所を 1 つ拾うには便利です。

ただし、ファイルには何も書き込まれません。Spotlight にとっても、ほかのアプリにとっても、PDF を受け取った相手にとっても、それは依然として画像です。あとから検索する書類や、人に渡す書類なら、テキストは PDF 自体に埋め込まれている必要があります。

File Acture の「OCR PDF」は、スキャンされた各ページに Apple の Vision による文字認識をかけ、その結果を元のページ画像の上に不可視のテキストレイヤーとして埋め込みます。ページの見た目はそのままで、検索も、行の選択も、コピーもできるようになります。

ドキュメントの言語は、「自動検出」のほか、英語、トルコ語、ドイツ語、フランス語、スペイン語、イタリア語、ポルトガル語、ロシア語、中国語、日本語、韓国語から選べます。精度には、より丁寧に読み取る初期設定の高精度と、きれいな活字のページが長く続くときに向く高速があります。すでにテキストを含むページはそのままコピーされるので、入力されたページとスキャンされたページが混ざった PDF でも文字が二重になりません。

パスワードで保護された PDF ではパスワードの入力欄が表示され、検索可能なコピーも同じパスワードで保護されます。書類のタイトル、作成者、主題、キーワードは保たれ、各コピーは名前に「-searchable」を付けて保存されます。1 回の実行で複数の PDF を処理でき、元のファイルはそのまま残ります。

OCR の精度はスキャンの質で決まります。まっすぐで鮮明なページほど、よいテキストになります。

• 言語を指定します。自動検出は多くの書類でうまく働きますが、言語を選ぶと、認識する側に何を期待すればよいかが伝わります。中国語、日本語、韓国語、ロシア語では特に効きます。
• 300 DPI でスキャンします。スキャナを自分で設定できるなら、文字には 300 DPI が適しています。これより大きく下げると、小さな文字がぼやけた形になって読み取れなくなります。
• 先にページの向きをそろえます。横を向いたページは、OCR をかける前にページを回転で正しい向きにします。
• 書類の写真がある場合は、画像をPDFにで 1 つの PDF にまとめてから OCR をかけます。
• 元のファイルは残します。OCR のコピーはページを描き直して作るので、リンク、ブックマーク、フォームフィールドは引き継がれません。
• ファイルサイズに注意します。OCR が加えるのはテキストで、画像が小さくなるわけではありません。コピーが大きすぎて送れない場合はPDFを圧縮をかけてください。テキストレイヤーはそのまま残ります。

オンラインの OCR サービスは、書類をサーバーに預ける必要があります。銀行の取引明細、医療関係の書類、身分証のスキャンでは気になるところです。File Acture は Mac 上で文字認識を行うため、ページが Mac の外に出ることはありません。Pro はインターネットに接続しなくても動作し、ライセンスを更新するためにときどきオンラインになるだけです。

無料版では Mac 1 台につき 3 回まで実行でき、1 回の実行で最大 5 つの PDF を処理できます。スキャンを大量に抱えている場合は、価格ページをご覧ください。