スキャンした書類をパソコンで開いたとき、文字をコピーできない。Ctrl+Fで検索してもヒットしない。AIに読み込ませても内容を理解してくれない。
これらはすべて、そのPDFが「検索可能PDF」になっていないことが原因です。見た目は同じPDFでも、中身は根本的に違います。
本稿では、検索可能PDFとは何か、通常のPDFとどう違うのか、どうすれば作れるのかを解説します。
検索可能PDFとは何か
検索可能PDFは、画像の上にテキストデータを重ねて持っているPDFです。サーチャブルPDFとも呼ばれます。
画像とテキストの二層構造
紙をスキャンすると、まず画像として取り込まれます。この画像に対してOCR処理を行い、認識した文字をテキストデータとして画像の裏側に埋め込みます。
見えているのは画像ですが、その下に文字情報が存在する。この二層構造が検索可能PDFの仕組みです。
見た目は変わらない
テキストを埋め込んでも、画面上の見た目は元のスキャン画像と同じです。手書きの署名や印影、図面の線もそのまま残ります。
原本の見た目を保ちながら、検索性だけを追加できる点が特徴です。
OCRによって作られる
このテキスト層を作るのがOCR（光学文字認識）です。画像内の文字の形を判別し、文字コードに変換する技術です。
つまり「スキャン」と「OCR」は別の工程です。スキャンだけでは検索可能PDFになりません。
通常のPDFとの違い
PDFという拡張子は同じでも、中身によって3つに分かれます。
画像PDF（テキストなし）
紙をスキャンしただけのPDFです。中身は写真と同じ画像データで、文字情報を持ちません。
文字を選択できず、検索してもヒットしません。パソコンにとっては「文字が描かれた絵」に過ぎません。
検索可能PDF（画像＋テキスト）
画像PDFにOCRでテキスト層を追加したものです。見た目は画像PDFと同じですが、文字を選択・コピー・検索できます。
ネイティブPDF（最初からテキスト）
WordやExcelから直接PDFに書き出したものです。最初からテキストデータで構成されているため、当然検索できます。
紙をスキャンした資料をこの状態にすることはできませんが、検索可能PDFであれば実用上ほぼ同じ使い方ができます。
自分のPDFがどれか見分ける方法
手元のPDFがどのタイプか、簡単に確認できます。
文字を選択してみる
PDFを開いて、本文の文字をマウスでドラッグしてみてください。文字が反転して選択できれば、テキスト情報を持っています。
何も反応せず、範囲が四角く選択されるだけなら画像PDFです。
検索してみる
Ctrl+F（Macは⌘+F）で検索窓を開き、本文中にある単語を入力します。ヒットすれば検索可能、ヒットしなければ画像PDFです。
コピーして貼り付けてみる
文字を選択してコピーし、メモ帳などに貼り付けます。文字として貼り付けられれば検索可能PDFです。
このとき、貼り付けた文字が化けていたり、明らかに違う文字になっている場合は、OCRの精度が低い状態だとわかります。
なぜ検索可能PDFにする必要があるのか
検索できるかどうかは、資料の使い勝手を根本的に変えます。
目的の書類を数秒で見つけられる
数千ページの資料から特定の記述を探す場合、画像PDFでは1ページずつ目視するしかありません。検索可能PDFなら、キーワードを入力するだけです。
契約書の特定条項、図面の型番、報告書の数値など、探す作業そのものが不要になります。
AIに読み込ませる前提になる
ChatGPTやGemini、社内のRAGなどに資料を読み込ませる場合、テキストデータが前提になります。
近年のAIは画像から文字を読み取る能力も持ちますが、手書きや複雑なレイアウト、大量ページでは精度が不安定です。あらかじめ検索可能PDFにしておくと、回答の精度が安定します。
電帳法などの要件にも関わる
電子帳簿保存法のスキャナ保存では、取引年月日・金額・取引先で検索できることが要件になっています。検索性の確保は、法令対応の観点でも必要です。
＞＞電帳法スキャナ保存の要件はこちらで詳しく解説しています。
検索可能PDFにする方法
既存の画像PDFも、後からOCR処理で検索可能にできます。
スキャナー付属ソフトで処理する
多くの業務用スキャナーには、スキャン時にOCRをかける機能があります。設定で「検索可能PDF」を選べば、取り込みと同時に処理されます。
活字がきれいな書類であれば、この方法で十分な精度が得られます。
OCRソフトで後からかける
すでに画像PDFになっている資料も、OCRソフトで後処理できます。市販のPDF編集ソフトにもOCR機能が含まれているものがあります。
外注する
枚数が多い場合や、手書き・縦書き・図表を含む資料は、精度の確保が難しくなります。人手による確認を組み合わせられる代行サービスの利用が現実的です。
OCRの精度を左右する要素
同じOCRでも、原稿の状態で結果は大きく変わります。
解像度
OCRを前提とする場合、300dpi程度が標準です。これより低いと文字の輪郭が崩れ、認識率が下がります。小さな文字が多い資料は、より高い解像度が有利です。
文字の種類
活字は高精度に認識できますが、手書き文字は精度が大きく下がります。縦書き、数式、外国語、装飾的なフォントも難易度が上がる要素です。
レイアウトの複雑さ
表、二段組み、図面の中の文字などは、読み取り順序が乱れることがあります。テキストは取れても意味の通らない並びになる場合があります。
原稿の状態
かすれ、汚れ、傾き、裏写りは認識率を下げます。青焼き図面のように退色した資料は、まず画像として補正してからOCRをかける必要があります。
＞＞スキャンPDFがAIで読めない場合の原因と対処はこちらで解説しています。
まとめ
検索可能PDFは、スキャン画像の裏側にテキストデータを持つPDFです。見た目は変わらないまま、検索・コピー・AI活用が可能になります。
手元のPDFがどちらかは、文字を選択できるか、Ctrl+Fで検索できるかで判別できます。選択できなければ画像PDFで、OCR処理が必要です。
OCRの精度は、解像度・文字の種類・レイアウト・原稿の状態で決まります。手書きや複雑な資料では、人手の確認を組み合わせることで品質を確保できます。
スキャンプロでは、スキャンからOCR処理まで一貫して対応し、通常精度と高精度のOCRをお選びいただけます。まずはテストスキャンで仕上がりをご確認いただくことも可能です。
＞＞図面を検索できるPDFにする具体的な方法はこちらをご覧ください。