先にOCRか先に結合か:スキャンしたバッチの順序を選ぶ
複数のファイルに分かれたスキャンのページが大量にあるとき、手順は二通り考えられます。各ファイルに文字認識をかけてから結果を結合するか、スキャンを1つのファイルにまとめてから一度だけ認識するかです。どちらも最終的に検索可能なPDFが1つできますが、問題が起こりうる箇所の数、1つの文書だけを直す手間、ファイルの大きさが異なります。始める前に順序を考えておけば、時間のかかる作業を繰り返さずに済みます。
ひと目でわかる違い
| 項目 | 各ファイルをOCRしてから結合 | 結合してから一度だけOCR |
|---|---|---|
| 実行回数 | ファイルごとに1回。 | バッチ全体で1回。 |
| 複数の言語 | ファイルごとに言語を選べる。 | 全体で言語設定は1つ。 |
| 1つの文書の修正 | そのファイルだけやり直して再結合する。 | 結合したファイル全体をやり直す。 |
| 大きなバッチ | 処理が小さく、再試行しやすい。 | 非常に大きな処理が1つ。 |
| 最終ファイル | 結合してもテキストレイヤーは保たれる。 | 1回の処理で作られる単一のテキストレイヤー。 |
多くのバッチで通用する目安
ファイルごとに言語、品質、出どころが異なるなら、先に認識しましょう。それぞれに最適な設定を使え、個別に修正できます。同じ方法でスキャンした保管箱1つ分のように、ページが均一で出どころも同じなら、先に結合します。どちらの場合も圧縮は最後に行ってください。強く圧縮したスキャンは、読み取りの誤りが増えるからです。 どちらの順序を選んでも、最終ファイルの中ほどから数ページを選び、検索機能で確かめてください。単語が見つかれば、テキストレイヤーが残っている証拠です。品質がまちまちなファイルは、質の低いものに印を付けて別の設定で個別に認識すると、鮮明なスキャンと色あせたスキャンの両方に一つの設定を当てるより良い結果になります。
どちらを選ぶべきか
各ファイルをOCRしてから結合
ファイルの言語が違う、スキャン品質が違う、または1つずつ修正が必要になりそうなときは、先にOCRを選びましょう。
結合してから一度だけOCR
ページが揃っていて、監督する処理を1つだけにしたい最も簡単な手順を求めるときは、先に結合を選びましょう。
両方に使える無料ツール
この用語が出てくるガイド
PDFの用語をやさしく解説
よくある質問
- 結合するとテキストレイヤーは消えますか?
- 消えません。検索可能なファイルを結合しても文字は保たれ、結果も検索可能なままです。
- 圧縮はどこに入れますか?
- 認識と結合のあとの最後です。そうすれば、手元で最も良い画像から文字が読み取られます。
- どのツールで対応できますか?
- スキャンPDFの結合はファイルをまとめ、PDFのOCRは検索可能なテキストレイヤーを追加し、スキャンPDFの圧縮は最終サイズを小さくします。