PDFにOCRで検索できる文字を付ける

画像のPDFを検索できるように

1. スキャンしたPDFを選びます。
2. OCRするページ（1回10ページまで）と言語を選びます。
3. 作成後にPDFを確認し、文字検索・コピーを試します。認識した文字だけをTXTで保存することもできます。

ページ画像に不可視の文字情報を重ねたPDFを新しく作ります。ページ画像の見た目を保ちつつ文字を検索できますが、認識精度は文字の大きさ・傾き・画質・フォントに左右されます。誤字や読み順の違いがあり、表や段組みの復元、手書き文字の正確な認識は保証できません。

初回は認識データの読み込みに時間がかかります。端末の性能によって1ページに数十秒以上かかることがあります。処理中はページを開いておいてください。中止を押すと現在の認識が終わった後に終了します。

画像化は144 dpi相当で、長辺4096 px・1200万画素を超える場合は縮小します。入力25 MB・最大200ページ、1回のOCRは10ページ、出力は50 MBまで。フォーム・暗号化・電子署名付きPDFには対応していません。元ファイルは変更しません。

元PDFの編集可能な文字、リンク、しおり、注釈やメタデータは引き継ぎません。認識した文字は画像の文字を正しく表しているか、保存後に確認してください。

ライセンス：Tesseract.js・認識エンジン・言語データ・PDF.js・pdf-lib