【Googleドキュメント】Drive上のPDFを編集用文書に変換する時のOCR注意点

会社の業務でPDFをGoogleドキュメントに変換して編集したい場面はよくあります。特にスキャンされた文書や画像として保存されたPDFは、そのままでは文字のコピーや修正ができず、OCR(光学的文字認識)を使ってテキスト化する必要があります。しかし、OCR変換には思わぬ落とし穴があり、文字化けやレイアウト崩れが発生することがあります。この記事では、Googleドライブ上のPDFをGoogleドキュメントで編集用文書に変換する際のOCRの注意点を、具体的な失敗パターンや対処方法とともに解説します。

PDFをGoogleドキュメントで開く仕組みとOCRの違い

Googleドライブ上でPDFファイルを右クリックし、「アプリで開く」→「Googleドキュメント」を選ぶと、PDFの内容がGoogleドキュメント形式で開かれます。このとき、PDFにテキスト情報が含まれているかどうかで処理が異なります。

テキストPDFと画像PDFの違い

テキストPDFとは、文字データが埋め込まれたPDFのことです。ワードやExcelなどから直接PDFとして保存した場合が該当し、文字の選択やコピーが最初から可能です。この場合、Googleドキュメントで開くと元のテキストがほぼそのまま保持され、OCR処理は行われません。

一方、画像PDFとは、スキャナーで読み取った文書や、画像をそのままPDFにしたものです。文字は画像として保存されているため、テキストとして認識されません。Googleドキュメントで開く際には、GoogleのOCR機能が自動的に画像から文字を読み取り、編集可能なテキストに変換します。このOCR処理の精度が、変換品質を左右します。

GoogleドキュメントのOCR機能の特徴

GoogleドキュメントのOCRは、クラウド上の機械学習モデルを使用しており、多くの言語に対応しています。特に英語や欧文の認識精度は高いですが、日本語などの漢字を含む言語では、フォントの種類や画質によって誤認識が発生することがあります。また、表や図、手書き文字には対応しておらず、レイアウトが崩れる原因になります。

OCR変換でよくある失敗パターンとその原因

実際に業務で遭遇する失敗パターンをいくつか紹介します。これらの原因を理解しておくと、トラブル発生時の切り分けがスムーズになります。

文字化けや誤認識(例:「0」と「O」、「1」と「l」など)

スキャンしたPDFの解像度が低い場合、似た形状の文字を間違えることがよくあります。特に数字とアルファベット、全角と半角の混在は誤認識の原因です。また、明朝体やセリフ体のフォントは、細かい線がつぶれて誤読されやすい傾向があります。

レイアウト崩れ(段組や表組みが無視される)

GoogleドキュメントのOCRは、基本的にテキストの抽出に特化しており、元のレイアウトを完全に再現することはできません。段組の文書や複雑な表は、テキストが連続した1カラムに変換されたり、表のセルが無視されたりします。このような場合は、変換後に手動でレイアウトを整える必要があります。

日本語の認識精度が低い

日本語の文章では、同音異義語や漢字の読み間違いが発生します。例えば、「構築」が「構架」と誤認識されることがあります。また、縦書きの文書はOCRが対応していないため、文字が横倒しになって出力されることもあります。

OCR変換の精度を高めるための具体的な準備と手順

変換前に以下の手順を実施することで、OCRの精度を大幅に向上させることができます。特にスキャン文書の場合は、元データの品質が重要です。

1. スキャン解像度を300dpi以上に設定する:低解像度(72dpiなど)では文字がつぶれて誤認識が増えます。可能であれば600dpiをおすすめします。
2. カラーモードをグレースケールまたは白黒にする:カラーの写真やグラデーションがあるとOCRが文字と背景を区別しにくくなります。文字部分がはっきりした白黒画像が最適です。
3. 可能な限りテキストPDFで保存する:スキャナーや文書作成ソフトに「検索可能なPDF(テキスト付きPDF)」の機能があれば、それを使用すると元のテキストを保持できます。
4. フォントを標準的なものに統一する:極端な装飾フォントや手書き風フォントはOCRの認識率が落ちます。ゴシック体や明朝体などの一般的なフォントを使用します。
5. PDFを開く前にGoogleドライブの言語設定を確認する:GoogleドキュメントのOCRは、アカウントの言語設定に影響を受ける場合があります。設定画面で「日本語」が優先されているか確認してください。
6. 変換後は必ず校正作業を行う:自動変換を過信せず、特に数字や固有名詞は元のPDFと見比べて修正します。Googleドキュメントの「編集→スペルチェック」も活用しましょう。

状況別比較表:PDFの種類とOCR変換の結果

以下の表で、元PDFの種類による変換結果の違いをまとめました。自分のPDFがどれに該当するか確認することで、期待できる品質と注意点がわかります。

PDFの種類	OCR変換の有無	変換精度の目安	主な注意点
テキストPDF(文字データあり)	なし(直接テキスト抽出)	非常に高い(ほぼ完全)	レイアウトは保存されない場合がある。フォント埋め込みがないと文字化けの可能性。
画像PDF(スキャン文書・300dpi以上)	あり(Googleドキュメントが自動実行)	高い(明瞭な活字なら90%以上)	日本語の漢字誤認識に注意。表や図は崩れる。
画像PDF(低解像度・手書き含む)	あり	低い(60%以下もあり)	文字化け多数。手書きはほとんど認識不可。別のOCRツール(Google Cloud Vision APIなど)の利用を検討。

管理者に確認すべきことと会社PCで注意すべき設定

企業のGoogle Workspace環境では、管理者がOCR機能を制限している場合があります。また、機密性の高い文書をクラウド上でOCR変換することにはリスクが伴うため、事前に確認が必要です。

管理者に確認するポイント

• Google Workspaceの「アプリのアクセス制御」で、Googleドキュメントへの変換(OCR)が許可されているか。
• 機密情報を含むファイルのクラウド変換に関する社内ポリシー(データ保存場所、サードパーティ連携の可否など)。
• もしOCR機能が使えない場合、代替手段(例:社内の専用OCRツールやテンプレート)があるかどうか。

会社PCで勝手に変更しないほうがよい設定

個人のGoogleアカウント設定で言語や地域を変更すると、会社のポリシーに違反する可能性があります。また、ブラウザの拡張機能を使ってOCRを強化するツールを導入する際は、IT部門に確認してください。許可なくインストールするとセキュリティリスクになります。

よくある質問(Q&A)

Q1. 変換後に文字化けが発生した場合、再変換すると直りますか?

元のPDFの状態が変わらない限り、再変換しても結果は同じです。まずは元PDFの解像度や画質を改善してください。また、Googleドキュメント上で手動修正するか、別のOCRサービス(Adobe AcrobatやABBYYなど)を試すことも検討します。

Q2. 表やグラフを含むPDFを変換したいのですが、レイアウトを保つ方法はありますか?

GoogleドキュメントのOCRではレイアウト再現は難しいため、変換後に手動で表を再構築するか、元のPDFから画像として貼り付けて代替する方法もあります。表のデータが重要な場合は、元のExcelファイルやWord文書を探すほうが確実です。

Q3. 50ページ以上の長いPDFでも変換できますか?制限はありますか?

Googleドキュメントにはアップロード可能なファイルサイズ制限(Google Workspaceの場合50MBなど)があります。ページ数が多いと処理に時間がかかり、途中でタイムアウトする可能性もあります。その場合はPDFを分割してから変換するか、Googleドライブの「PDFのテキスト抽出」機能を試してみてください。

まとめ

GoogleドキュメントでPDFを編集用文書に変換する際のOCRは便利ですが、元PDFの品質や言語設定によって精度が大きく変わります。特に日本語や複雑なレイアウトの文書では、事前の準備と事後の校正が欠かせません。会社PCで利用する場合は、管理者に機能制限の有無を確認し、機密情報の取り扱いに注意してください。変換後は必ず内容をチェックし、必要に応じて手動修正を行うことで、業務の効率化と正確性を両立できます。

📑

PDFトラブル・操作完全解決データベース 閲覧エラー、編集・結合、パスワード解除など、PDFに関するあらゆる困りごとを網羅しています。

📄

Googleドキュメントトラブル完全解決データベースこの記事以外にも、書式・共有・Apps Script・引用など様々な困りごとへの解決策をまとめています。逆引きに活用してください。