PDFが文字化けする・コピーできない時の対処|表示・文字情報・OCRの確認

PDFの文字が読めない、見た目は正常なのにコピーすると文字化けする、文字そのものを選択できない。この3つは原因と対処が異なります。最初に元のPDFを残し、表示・選択・コピーのどこで問題が起きるかを確認してください。

すべてのPDFから元の文字を完全に取り戻せるわけではありません。取引金額、氏名、型番などの重要な部分は、変換結果を原本と照合する必要があります。

1. 表示の文字化けとコピーの文字化けを分ける

画面上でも文字が四角や別の文字になる場合は、PDFの作成時のフォント情報や閲覧アプリの対応などを確認します。別の信頼できるPDF閲覧アプリで同じページを開き、同じ箇所が崩れるか比べます。元のダウンロードが途中で終わった疑いがある時は、取得し直します。

画面では読めるのにコピーした文字が違う場合は、文字の見た目と文字コードの対応が適切に保存されていない可能性があります。短い一文だけをプレーンテキストへ貼り付け、並び順の問題なのか、文字そのものが別のものになるのか確かめます。フォントが埋め込まれているだけで、文字抽出まで正常だと判断することはできません。

文字を選択できない場合は、画像だけのスキャンPDF、コピー制限、閲覧アプリの操作モードなどを確認します。スキャンされたPDFでもOCR済みなら文字情報を持つことがあります。見た目がスキャンだから文字情報がない、とは限りません。

コピー制限がある場合は作成者へ許可やコピー可能な版を依頼します。制限を避けるために印刷やOCRを使うことを、通常の修復手順にはしません。

画面の見た目と取り出せる文字情報は別です。図の3種類を見比べ、どの段階で問題が起きているかを確認してください。

2. 元文書の再出力とOCRを使い分ける

元のWordやExcelがある場合

作成元の文書で文字が正常なら、元アプリのPDF書き出し機能で再出力し、問題のページを比較します。使用フォントと埋め込みの可否を確認し、必要なら利用を許可された別フォントへ変更します。フォントには埋め込みの制限があるため、手元にないフォントを後から一律に補えるわけではありません。

PDFを仮想プリンターで再印刷しても、文字情報が正しく復元されるとは限りません。リンク、フォーム、しおり、電子署名などが変わる可能性もあるため、文字化け対策として最初に上書き保存する方法は避けます。

画像としてしか残っていない場合

利用を許可されたOCR対応ソフトで、複製したPDFを処理します。Acrobatの対応プランでは「スキャンとOCR」から文字認識を行い、文書の言語や対象ページを設定します。既存の文字情報があるPDFでは、同じ操作でOCRできない場合があります。

認識後は元画像とテキストを照合します。特に0とO、1とI、小数点、マイナス記号、漢字の類似文字を確認してください。Acrobatには認識結果の疑わしい文字を確認・修正する機能があります。

Googleドライブを利用する場合

外部サービスへ送信してよい資料なら、Googleドライブへ読み込み、Googleドキュメントで開いて文字へ変換する方法もあります。これはファイルを外部へアップロードする方法です。機密資料や個人情報を含む書類では、会社の許可を得た環境を使ってください。

表や段組み、脚注などの配置が元どおりに再現されるとは限りません。向きや解像度、文字の読みやすさによって結果が変わるため、Googleの変換条件を確認し、少数ページで試してから進めます。

3. 症状に合う対処と、避けたい操作

Adobeのフォントの埋め込みと置換の説明はPDF作成時の互換性を考える参考になります。ただし、フォントを調整することと、失われた文字コードの対応を復元することは別です。

4. 変換後に内容を照合してから使う

コピーした文字やOCR結果は、先頭と末尾だけでなく、金額・日付・単位・氏名を含む箇所を確認します。表なら行と列の対応が崩れていないか、段組みなら文章の読む順序が入れ替わっていないかも見ます。検索できるようになったことだけでは、内容の正確さは保証されません。

元資料の文字自体が潰れて読めない場合は、解像度の高いデータや再スキャンを依頼する方が確実です。契約書や署名付き文書では、抽出テキストを参照用として扱い、原本を置き換えないようにしてください。