PDFから文字をコピーできません。

そのPDFが文字情報を持たず、ページ全体が画像になっている可能性があります。スキャンした書類や、写真から作ったPDFによくある状態です。この場合は画像から文字を読み取るOCRが必要になります。

OCRの精度を上げるにはどうすればいいですか？

元の画像をきれいにするのがいちばん効きます。傾きを直す、影が入らないよう明るい場所で撮る、ピントを合わせる、必要な範囲だけを切り出す、といった下準備で結果が変わります。小さく写った文字は拡大しても復元できません。

機密書類をOCRにかけても大丈夫ですか？

処理がどこで行われるかを確認してください。ブラウザ内で完結するツールなら、ファイルは端末から出ません。オンラインサービスに送信する方式の場合は、送っても差し支えない内容かどうかを判断してから使ってください。

画像やPDFの文字をテキスト化する方法 | OCRの仕組みと精度を上げるコツ

画像やPDFの文字をコピーできるテキストにする方法を整理します。文字情報を持つPDFからの抽出と、画像・スキャンからのOCRは別の作業です。両者の使い分け、OCRの精度を上げる撮り方、苦手なもの、機密書類の扱いまで解説します。

紙の資料を撮った写真、スクリーンショットの中の文章、コピーできないPDF——こうしたものから文字を取り出して、テキストとして使いたい場面はよくあります。打ち直すのは手間ですし、写し間違いも起きます。

文字を取り出す方法は、実は対象によって2つに分かれます。この違いを知らないと、うまくいかずに遠回りしてしまいます。この記事では、まず「文字情報を持つPDFからの抽出」と「画像からのOCR」の切り分けを整理し、それぞれの手順、OCRの精度を上げるコツ、そして機密書類を扱うときの注意点までをまとめます。

「文字を取り出す」には2パターンある

文字を取り出す作業は、対象が「文字の情報を持っているか」「画像でしかないか」で、やり方が変わります。まずここを切り分けるのが出発点です。

文字情報を持つPDF：WordやWebページから作られたPDFなど、中に文字が「文字」として埋め込まれているもの。これは、文字をそのまま抽出できます。PDFを開いて文字をなぞって選択できるなら、多くの場合こちらです。
画像・スキャンしたPDF：写真、スクリーンショット、紙をスキャンしたPDFなど、中身が「画像」でしかないもの。これは文字の情報を持たないため、OCR（画像から文字を推測する技術）で読み取る必要があります。

見た目が同じ文字でも、中身が文字か画像かで扱いが変わります。PDFを開いて文字を選択しようとしたとき、1文字ずつ選べるなら文字情報あり、ページ全体が四角く選択されるなら画像の可能性が高い、という見分け方が使えます。

文字情報を持つPDFからの抽出

文字情報を持つPDFなら、OCRを使わずに、そのままテキストを取り出せます。こちらのほうが正確で速いので、まずはこの方法が使えるか試すのがおすすめです。

本サイトの PDFテキスト抽出ツールは、PDFに埋め込まれた文字を読み取ってテキストとして取り出せます。コピーが禁止されているPDFや、うまく選択できないPDFからでも、文字を抜き出せます。PDFはサーバーに送信されず、すべてブラウザ内で処理されます。

ひとつ正直にお伝えしておくと、PDFは「どの位置に文字を置くか」の情報は持っていても、「ここが段落」「これは表」といった文書の構造は持っていないことが多いため、段組みや表のあるページでは 読み順が乱れることがあります。抽出後のテキストはその場で編集できるので、必要に応じて並びを整えてから使ってください。

画像・スキャンPDFはOCRで読み取る

写真やスクリーンショット、スキャンしたPDFのように、中身が画像のものは、OCRで文字を読み取ります。

画像の場合は、画像文字起こし（OCR）ツールに画像を読み込ませると、中の文字をテキストにできます。画像はサーバーに送信されず、OCRエンジンもブラウザ内で動くため、人に見られたくない書類やスクリーンショットも安心して扱えます。

スキャンしたPDF（画像だけのPDF）の場合は、ひと手間かかります。まず PDFを画像に変換で対象ページを画像にしてから、その画像をOCRツールにかけます。PDFテキスト抽出で「文字を取り出せませんでした」と表示されたPDFは、この画像だけのPDFであることが多いので、この流れに切り替えてください。

画像文字起こし（OCR）ツールの画面。読み込んだ日本語テキスト画像のプレビューと、認識結果のテキストが表示されている — 画像文字起こし（OCR）ツールで、日本語のテキスト画像を読み取った画面。読み込んだ画像のプレビューと、認識結果のテキストが表示されます。

OCRの精度を上げる撮り方・画像の作り方

OCRは画像から文字の形を推測する技術です。読み取りやすい画像には共通点があり、次の点を意識するだけで、結果が大きく変わります。

まっすぐ・正面から：斜めから撮ると文字がゆがみ、認識が乱れます。真上・正面から写します。
明るく、影を作らない：均一な明るさが理想です。手元の影が文字にかからないようにします。
大きく・くっきり：文字が小さいと読み取れません。近づいて大きく、ピントを合わせて撮ります。
余計な範囲を入れない：読み取りたい文字の周りだけにトリミングすると、誤検出が減ります。

OCRが苦手なもの

OCRは万能ではありません。次のようなものは苦手で、誤認識が増えます。あらかじめ知っておくと、結果に納得しやすくなります。

手書きの文字：印刷された文字に比べて、認識精度が大きく落ちます。
装飾的なフォント：デザイン性の高い書体は、読み取りにくくなります。
縦書き：横書き前提のツールでは、読み順が乱れることがあります。
暗い・ぼやけた・低解像度の画像：文字の輪郭がはっきりしないと認識できません。

OCRの結果には、似た文字の取り違え（0とO、1とlなど）を含め、間違いが混ざることがあります。読み取った結果は下書きとして扱い、必ず目で確認して直すのが前提です。この点は、どのOCRツールでも共通する注意点です。

読み取ったあとの整形

抽出・読み取りしたテキストは、そのまま使うより少し整えると扱いやすくなります。余分な改行や空白が気になるときは、改行・空白の整形でまとめて整えられます。文字数を確認したいときは文字数カウントで行数や単語数まで数えられます。

機密書類とプライバシー

文字起こしをするとき、対象が請求書・給与明細・身分証・社内資料のような、外に出したくない情報を含むこともあります。ここで気にしたいのが、その画像やPDFがどこで処理されるかです。

OCRサービスの多くは、画像をサーバーにアップロードして処理します。手軽な反面、書類の中身を他社のサーバーに預けることになります。本サイトのツールは、抽出もOCRもブラウザ内で動くため、ファイルはあなたの端末から出ません。機密性の高い書類でも、安心して文字を取り出せます。初回はOCRエンジンの読み込みに少し時間がかかりますが、その分プライバシーを守れるのが利点です。

書類を撮影した写真を扱う場合は、写真そのものに残る情報にも注意してください。撮影場所の記録や、周囲に写り込んだものへの対処は写真の位置情報とプライバシーにまとめています。

まとめ

まず「文字情報を持つPDF」か「画像・スキャン」かを切り分ける。
文字情報を持つPDFは、テキスト抽出でそのまま取り出す（読み順の乱れは編集で調整）。
画像・スキャンPDFはOCRで読み取る（スキャンPDFは画像化してから）。
OCRは手書き・装飾・縦書きが苦手で、誤認識前提で必ず確認する。
機密書類は、ブラウザ内で処理できるツールを選ぶと安心。

画像から文字を読み取るなら画像文字起こし（OCR）、PDFから文字を取り出すなら PDFテキスト抽出をお試しください。どちらも、ファイルをサーバーに送らずブラウザ内で処理します。