【PDF】検索がヒットしない時の確認|検索条件・画像ページ・OCRの文字

【PDF】検索がヒットしない時の確認|検索条件・画像ページ・OCRの文字
🛡️ 超解決

PDFには確かに「請求金額」と書かれているのに、検索結果は0件。この状態だけでは、画像PDFなのか、検索条件が厳しすぎるのか、文字認識の結果が違っているのかは分かりません。

まず検索語を短くし、そのページからコピーした文字と見た目を比べます。最初から文書全体にOCRをかけ直す必要はありません。この記事では、文字が見えているのに検索で見つからない場合に、確認する場所を絞る方法を説明します。

【要点】検索条件、該当ページの文字、認識結果の順に確認します。1ページで検索できても、PDF全体が同じ状態とは限りません。

ADVERTISEMENT

見えている文字と検索用の文字が違う理由

PDFの見た目と、検索に使われる文字は別に考える必要があります。紙をスキャンしたページは画像だけの場合がありますが、OCRで認識した文字を重ねて保存したPDFなら、見た目が画像でも検索できます。

その認識結果が正しいとは限りません。たとえば画像には「請求金額」と印刷されていても、認識された文字が「請求全額」なら、「金額」で検索してもその箇所はヒットしません。これは仕組みを示す例で、特定製品の精度を評価したものではありません。

さらに、Wordから出力した本文の後ろに、スキャンした領収書を追加した文書もあります。先頭ページが検索できることと、添付ページが検索できることは別です。問題が起きるページで確認しましょう。

1冊のPDFでもページによって検索用文字が異なる。3ページ目は表示が請求金額、OCR文字が請求全額の例。
見えている文字と検索される文字は同じとは限りません。該当ページのコピー結果を比べます。
※ お探しの解決策が見つからない場合は、こちらの「PDFトラブル完全解決データベース」で他のエラー原因や解決策をチェックしてみてください。

検索条件とコピー結果を確認し、必要なページだけOCRする

OCRの前に検索語と条件を確かめる

  1. 対象のPDFを開きます。デスクトップではCtrl+F、MacではCommand+Fで文書内の検索を開きます。ブラウザーのアドレスバーへ入力しないよう注意します。
  2. 「請求金額」なら、まず「請求」だけで探します。検索語の前後の空白、引用符、行をまたぐ長い文章は外します。
  3. 完全一致や大文字・小文字の区別など、追加した条件をいったん外します。PDFアプリごとに条件の名称と種類は異なります。
  4. 見えている語句を短く選択してコピーし、取り扱いを許可されたテキスト入力先へ貼り付けます。貼り付いた文字をそのままPDFの検索欄に入れ、結果を比べます。

コピーした文字なら見つかる場合は、空白、全角・半角、似た記号、認識違いを疑います。たとえば「A-01」のハイフンが別の横棒だったり、「0」が「O」だったりすると、見た目だけでは気付きにくいものです。検索に使える文字列を控え、必要な箇所を目視で照合してください。

文字を選択できない、選択できてもコピーが無効になる場合は、ここで画像と断定しません。選択ツールやコピー権限を確認する手順へ進みます。

文字のないページだけを認識させる

対象ページに検索用の文字がないと確認できた場合は、作成者に検索可能な版を依頼するか、OCR機能を利用します。以下はスキャンとOCRを利用できる有料のAcrobatデスクトップ版での手順です。無料のAcrobat Readerの通常検索とは別機能です。

  1. 元のPDFを残し、作業用コピーを開きます。
  2. 「すべてのツール」から「スキャンとOCR」を開き、「このファイル内」の文字認識を選びます。
  3. 問題のページ範囲と言語を指定して認識を実行します。混在文書なら、すでに正しく検索できるページまで無条件にやり直さないようにします。
  4. 別名で保存し、閉じて開き直します。該当ページの人名、日付、金額などを見た目と比べ、必要な語が検索できるか確かめます。

文字認識が検索可能な文字を追加することと、元の文書の内容を正しく理解することは同じではありません。Adobeの文字認識手順でも、処理後の正確さの確認が案内されています。

OCR処理時の注意点と解決策

一部のページだけヒットしない

該当ページと、その前後の正常なページで同じ確認をします。検索できるページがあるからといって、全ページのOCRが済んでいるとは言えません。ページ番号を控え、添付資料だけ認識し直すか、作成者へその範囲を伝えます。

OCR済みなのに名前や数字が見つからない

原稿が傾いている、小さい文字が潰れている、選択した認識言語が違う、といった条件を確認します。元画像が読みにくいなら、再スキャンや元データからの再出力が有効です。誤認識を直せない場合は、短い語で候補を探したうえで画像を読み、正しい表記を確認します。

Edgeでは見つかるが、別のアプリでは見つからない

閲覧中に文字が認識される機能と、PDFファイルに検索用の文字が保存されることは区別します。Edgeを含め、アプリ内で選択・検索できたという結果だけでは、同じファイルを渡した相手も検索できるとは判断できません。保存したファイルを別の閲覧アプリで開き、同じページと語で確認してください。

Edgeの版や端末を問わずOCRが使えない、または必ず使えるとは決め付けず、手元のPDFで実際に検索できるかを確認します。認識機能がない画面で実験的な設定を変更するより、作成者から検索可能なファイルを受け取る方が確実です。

フォルダー検索だけ失敗する

文書を単独で開くと検索できるなら、OCRより検索対象の場所や暗号化の制約を先に見直します。複数文書を探す操作はPDFの通常検索と詳細検索の使い分けで説明しています。

ページの状態ごとの検索結果と対処

該当ページの状態 検索結果の見方 次にすること
文字をコピーすると見た目と一致する 条件や検索語の違いを疑う 短い語と緩い条件で再検索
コピーした文字が違う 文字データやOCRの誤りが候補 正しい表記と認識結果を照合
文字データのない画像ページ 通常の文字検索では探せない 検索可能な版の入手またはOCR
本文は検索可能、添付だけ不可 ページごとに状態が違う 該当ページを限定して確認

まとめ

検索結果0件は、画像PDFの証拠でも、記載がない証拠でもありません。短い検索語、条件解除、コピー結果との比較を順に試し、文字のないページだけをOCRの対象にします。検索可能になった後も、名前や数字は元の表示と照らし合わせてください。

📑
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。
この記事の監修者
✍️

超解決 第一編集部

疑問解決ポータル「超解決」の編集チーム。正確な検証と、現場視点での伝わりやすい解説を心がけています。