スキャンPDFに文字がない理由とOCRの役割

2026-10-30

紙の書類を複合機でスキャンしてPDFにしたのに、PDF to Text で開くと このPDFには選択できるテキストが見つかりませんでした と表示される。これは故障ではなく、そのPDFに取り出せる文字データが入っていないことを意味します。

テキストレイヤーとは

PDFのページには、目に見える「絵」としての情報と、検索やコピーに使われる「文字」としての情報を、別々に持たせることができます。後者がテキストレイヤーです。ワープロから書き出した書類や、ブラウザで保存したページには、最初からテキストレイヤーがあります。ビューアーで本文の文字をドラッグして選択できるなら、そのPDFにはテキストレイヤーがあると考えてよいでしょう。

画像だけのスキャンPDF

スキャナーやスマートフォンのカメラで紙を読み込むと、各ページは基本的に1枚の写真になります。人の目には文字に見えても、PDFの中にあるのは点の集まりで、「これは何という字か」という情報はありません。そのため抽出できるものがなく、PDF to Text ではそのページに「このページは画像です。スキャンされたものかもしれません。」という説明が付きます。すべてのページがこの状態なら、すべてコピー と TXTをダウンロード は押せないままです。

OCRは別の種類の処理

画像から文字を得るには、OCR（光学文字認識）という処理が必要です。OCRは画像の中の形を分析して文字を推定し、新しくテキストレイヤーを作ります。すでにある文字を読み出す作業とは仕組みが異なり、別の種類のソフトウェアが担う役割です。PDF to Text にはOCRの機能はなく、画像の中の文字を認識することはありません。

一方で、スキャナーの設定やほかのソフトによって、すでにOCR処理が済んでいるPDFもあります。見た目は画像のままでも、裏側に文字のレイヤーが付いているので、PDF to Text でその文字を読み出せます。

手元のPDFがどちらか確かめる

1. ビューアーでPDFを開き、本文の一文をドラッグして選択できるか試します。
2. 単語や文が選択できれば、テキストレイヤーがあるので PDF to Text で抽出できます。
3. ページ全体が1枚の画像として選ばれる、または何も選べない場合は、画像だけのスキャンです。文字を得るには、先にOCRでテキストレイヤーを作る必要があります。

一部のページだけが画像という混在型のPDFもあります。その場合は、画面上部の注記に文字のないページ番号が示され、残りのページは通常どおり抽出されます。