スキャンしたPDFの文字がコピーできない理由

壊れているのではなく、そもそも文字が無い

PDFには2種類ある

見た目では区別がつきませんが、中身の作られ方がまったく違います。

種類	中身	できること
文字が入ったPDF	「あ」という文字が、文字のデータとして記録されている	選択・コピー・検索・読み上げ・翻訳
画像だけのPDF	ページ全体が1枚の写真。文字に見えるものは絵の一部	表示と印刷のみ

前者になるのは、WordやExcelから「PDFとして保存」したもの、ブラウザの印刷画面からPDFにしたもの、会計ソフトや請求書サービスが発行したものです。もともと文字データがある状態から作られているので、そのまま文字が残ります。

後者になるのは、複合機やスキャナーで紙を取り込んだもの、スマホで書類を撮って変換したもの、FAXを受信してPDF化したものです。カメラやセンサーが紙を撮影しているので、できあがるのは写真です。「請求書」と読める部分も、機械にとっては黒い点の集まりでしかありません。

ややこしいのは、1つのファイルの中で混ざる場合があることです。表紙は文字入り、添付された資料だけ画像、といったPDFは珍しくありません。全体で判断せず、困っているページで確かめてください。

どちらなのかを見分ける

特別なソフトは要りません。3つのうちどれか1つで判別できます。

• 文字をドラッグしてみる。選択して青くハイライトされれば文字入りです。ページ全体が四角く選ばれる、あるいは何も反応しない場合は画像です
• ページ内検索をかける。WindowsならCtrlキーとF、MacならCommandキーとFで検索欄を出し、確実に載っている単語を入れます。ヒットしなければ画像です
• 大きく拡大する。文字入りなら何倍にしても輪郭は滑らかなままです。画像なら輪郭がギザギザになったり、にじんだりします

もうひとつ、間接的ですが分かりやすい手がかりがあります。ファイルサイズです。文字だけの数ページのPDFは数十キロバイト程度ですが、同じ枚数をスキャンしたものは数メガバイトになります。桁が違うほど大きければ、中身は画像だと考えてほぼ間違いありません。

画像のままだと何に困るか

読むだけなら不都合はありません。困るのは、中身を扱おうとしたときです。

• 探せない。過去の契約書や請求書をまとめて保管していても、金額や取引先名で検索できません。1つずつ開いて目で追うことになります
• 転記が手作業になる。口座番号や品番をコピーできないため、画面を見ながら打ち直すことになり、打ち間違いが起きます
• 重い。ページ全体が画像なので容量が膨らみ、メールの添付上限や申請フォームの制限に引っかかります。この対処はファイルサイズ制限の外し方にまとめました
• 読み上げや翻訳が効かない。音声で読み上げるソフトも、自動翻訳も、文字データを前提にしています。画像には何も見つけられません

文字を取り出すには何が要るのか

画像から文字を読み取る処理を文字認識（OCR）といいます。人が紙を読むのと同じことを機械にさせる仕組みで、PDFの保存し直しとはまったく別の処理です。

実行する前に知っておきたい性質が3つあります。

• 精度は原稿の質で決まる。まっすぐ、明るく、十分な解像度で取り込まれた活字なら高い精度が出ます。傾き、影、しわ、薄い印字、手書き、複雑な表組み、縦書きにルビが付いた文章では精度が落ちます
• 結果は必ず原本と突き合わせる。誤認は「読めない」ではなく「別の文字として読めてしまう」形で現れます。0とО、1とl、8と3、ハイフンと長音記号。請求書の金額や口座番号で起きると実害になります
• どこで処理されるかを確認する。ブラウザで完結するものと、ファイルをサーバーへ送るものがあります。契約書や個人情報を含む書類では、送信先と保存期間を確かめてから使ってください

なお、これから紙を取り込むのであれば、取り込む時点で文字認識をかけてしまうのが最も手間がかかりません。オフィスの複合機には「検索可能なPDF」といった名前の設定があり、これを選んでおけば、あとから変換する作業自体が発生しません。

OCRは無いが、前後は片づけられる

当サイトのツールはすべてブラウザの中だけで動き、ファイルはどこにも送信されません。文字認識そのものは提供していませんが、その手前と周辺は片づけられます。

• 中身を確かめる。PDFを画像に変換でページを書き出すと、文字入りか画像かがはっきりします
• 必要なページだけにする。PDFのページ整理で不要なページを外しておけば、変換にかける範囲を絞れます
• 作り直して軽くする。画像に書き出したうえで画像を圧縮し、画像をPDFに変換でまとめ直すと、容量を大きく減らせます

よくある質問

スマホで撮った書類をPDFにすると、文字はコピーできますか？

標準のカメラで撮ってPDFに変換しただけなら、中身は写真のままなのでコピーできません。ただしスマホの書類スキャン機能には、撮影と同時に文字認識をかけるものがあります。iPhoneのメモアプリの書類スキャンや、一部のスキャンアプリがこれにあたります。作成したPDFで文字を選択できるかどうか、その場で試してみるのが確実です。

複合機の「検索可能なPDF」という設定は何ですか？

スキャンした画像に文字認識をかけ、認識した文字を画像の裏側に見えない形で重ねて保存する設定です。見た目は元の紙のままで、検索やコピーができるようになります。オフィスの複合機に付いていることが多く、スキャン時に選ぶだけなので、あとから変換するより手間がかかりません。日常的に紙を取り込むなら、最初からこの設定にしておくのが最も楽です。

文字認識をかけると、元の見た目は変わりますか？

多くのソフトは、元の画像をそのまま残したうえで、認識した文字を裏側に重ねる方式をとります。この方式なら見た目は変わりません。一方、認識結果をもとに文書を作り直す方式では、レイアウトが崩れたり書体が置き換わったりします。契約書や請求書のように原本の見た目が意味を持つ書類では、前者を選んでください。

画像のままのPDFを相手に送っても問題ありませんか？

読むだけなら問題ありません。ただし相手が中身を検索したり数字を転記したりする場合は、手作業が発生します。応募書類や見積書のように相手が内容を扱う前提のものは、可能なら文字が入った状態で渡すほうが親切です。またファイルサイズが大きくなりやすいため、メールの添付上限に引っかかることがあります。

もっと本格的にやりたい方へ

月に何十枚もの紙を取り込む、過去の書類をまとめて検索できるようにしたい、認識した文字をそのまま表計算ソフトへ渡したい。こうした使い方になると、専用のソフトが必要になります。代表的なものがAdobe Acrobatで、日本語の縦書きや表組みの認識精度、原本の見た目を保ったまま文字を重ねる方式、まとめて処理する機能がそろっています。

逆に、取り込むのが月に数枚で、目的も「1か所の数字を写す」程度であれば、有料ソフトを入れるより画面を見ながら打ったほうが早いこともあります。枚数と頻度で判断してください。

関連する手順として、紙の書類をまとめる側の話は領収書の写真を1つのPDFにまとめる手順と複数の書類を1つのPDFにまとめて提出するにあります。