最終更新日:2026年11月5日
PDFをクリックして単語を1つだけ選択できたり、単語を検索してヒットしたりすれば、そのPDFには本物のテキストが入っていて、OCRは不要です。単語を選択できず、検索しても何も見つからない、まるで写真のようなページなら、それはスキャンしたPDFです。きちんとしたEPUBにするには、先にOCR(文字認識)が必要です。何もインストールせずに「このPDFはスキャンかテキストか」を確かめる、いちばん手早い方法です。
スキャンかテキストかを見分けるには?
文字を選択したり、検索したりしてみましょう。WordやInDesignで作ったPDFや、Webサイトから書き出したPDFなど、ソフトウェアで作られたPDFには、文字、フォント、位置の情報が保存されています。一方スキャンは、Investintechのサポートガイド(英語)の言葉を借りれば、基本的には文書を写した平らな画像にすぎません。
次のテストを順番に試し、はっきりした答えが出たところでやめてください。
- 検索テスト。好きなビューアーでPDFを開き、Ctrl+F(MacではCmd+F)を押します。「the」や「の」のように、よく出てくる語を検索してみましょう。たくさんヒットすれば本物のテキストです。文字がびっしり並んだページなのに検索結果が0件なら、画像です。
- ドラッグ選択テスト。段落の上をクリックしてドラッグします。本物のテキストなら、ハイライトが1行ずつ文字に沿って付き、行と行のすき間は飛ばされます。スキャンの場合は、たいてい範囲全体に1つの長方形がべったり付きます。Investintechも、スキャンしたファイルではこうなると説明しています。
- 拡大テスト。1文字を400%まで拡大します。本物のテキストは、どの倍率でも輪郭がくっきりしたままです。スキャンはピクセルでできているため、ぼやけたりギザギザになったりします。
- コピー&ペーストテスト。段落をコピーして、シンプルなテキストエディターに貼り付けます。きれいな文章が出てくれば本物のテキストです。何も貼り付けられなかったり、記号の羅列になったりした場合は要注意です(後述)。
2つのテストの結果が一致すれば、それで十分です。結果が食い違う場合は、おそらく混在型のファイルです。これについては後ほど説明します。
スキャンしたPDFは実際どう見える?
スキャンしたPDFは、ページを撮った写真のように見えます。わずかな傾き、ノド(綴じ目)付近の影、細かな汚れ、不ぞろいな余白、スキャナーの読み取り面からはみ出して欠けたページなどがよく見られます。
スキャンしたPDFは、たとえば次のようなところから生まれます。
- 図書館や学校でコピーした資料をPDFにしたもの。
- フラットベッドスキャナーやスマートフォンアプリでデジタル化した古い本。
- 印刷して署名し、もう一度スキャンした書類。
- スマートフォンのカメラで撮ったページの写真。
- 一部のオフィス用スキャナーの「PDFに出力」機能で作ったファイル。画像だけのファイルになることがよくあります。
ANU PDFLABの比較記事(英語)は、スキャンしたPDFを、1枚ごとにページ全体の写真を1枚ずつ収めた入れ物だと説明しています。そして実際に表れる症状として、スキャン版ではCtrl+Fで何も見つからないのに、テキスト版ではすぐに一致箇所がハイライトされることを挙げています。
注意点が1つあります。ページがきれいに見えても、テキストが入っている証拠にはなりません。明るく、まっすぐにスキャンされたページは、デジタル文書とまったく同じように見えることがあります。目で見た印象ではなく、選択と検索のテストで判断しましょう。
一部のページでしか検索できない場合は?
その場合、ファイルが混在型か、すでにOCRがかけられたスキャンです。最初のページだけでなく、何ページか試してください。最初、中ほど、最後の3か所を見れば十分です。
混在型のファイルは、思っているより多く出回っています。
- 本文はテキストで、一部のページが画像。表紙だけスキャンしたデジタル書籍や、スキャンした付録や署名ページが挟み込まれたものです。
- 見えないテキストレイヤー付きのスキャン。スキャナーやアプリによっては、OCRを実行し、ページ画像の裏に見えないテキストを配置します。検索はできますが、そのテキストが間違っていることがあります。
- テキストと、文字を含む画像の組み合わせ。表やグラフ、見出しが画像になっている、デザイン重視の文書です。本文は検索できても、その部分は検索できません。
隠れたOCRレイヤーの確かめ方
ページに見えている特徴的な単語を検索します。次に、段落をまるごとコピーしてテキストエディターに貼り付けます。OCRの精度が低いと、次のような症状が出ます。
- 「rn」が「m」と読まれたり、「l」「1」「I」が入れ替わったりしている。
- 単語の途中に余計なスペースが入っている、または単語どうしがくっついている。
- 英語以外の文章で、アクセント記号が抜けていたり、おかしな記号が入っていたりする。
- 段組みや囲み記事が、間違った順序で混ざり合っている。
- ヘッダーやフッターの文字が、段落の中に繰り返し出てくる。
隠れたレイヤーがあっても中身が崩れているなら、実用上はスキャンと同じだと考えてください。その中のテキストはEPUBの材料として信頼できないので、OCRのやり直しを検討する価値があります。
フォントやファイルのプロパティを確認するには?
フォントは少し技術的ですが、確実な手がかりになります。本物のテキストを含むPDFには、使っているフォントの一覧があります。画像だけのPDFには、フォントが1つもありません。
- Adobe AcrobatまたはReader:「ファイル」>「プロパティ」>「フォント」タブを開きます。フォントが一覧表示されればテキストがあります。一覧が空なら、画像の可能性が高いです。
- コマンドライン:popplerのツールをインストールしているなら、
pdffonts yourfile.pdfを実行します。表が空なら、テキスト用のフォントはまったくありません。pdftotext yourfile.pdf -を実行すると、取り出せるテキストが表示されます。何も表示されなければ、画像だけのファイルです。 - ファイルサイズも手がかりに:200ページの小説で数MB以下なら、たいていテキストです。同じ本が150 MBもあるなら、おそらくページを撮った写真です。ただし、挿絵の多いテキストPDFもサイズが大きくなることがあるので、あくまで目安で、証拠にはなりません。
各テストでわかることを、表にまとめました。
| テスト | 本物のテキスト | スキャン(テキストなし) | 混在型、または低精度のOCR |
|---|---|---|---|
| よく出てくる語をCtrl+Fで検索 | 多数ヒット | 結果は0件 | 一部だけヒット、または違う語にヒット |
| ドラッグ選択 | 1行ずつハイライト | 1つの塊 | 行単位に見えるが、選択範囲が画像とずれる |
| 400%に拡大 | 輪郭がくっきり | ピクセルが目立つ | ピクセルが目立つ |
| コピー&ペースト | きれいな文章 | 何も出ない | 文字化けや誤字 |
| フォント一覧 | フォントが表示される | 空 | 汎用フォントが1つだけ表示されることがある |
EPUBに変換する前にOCRは必要?
必要なのは、PDFに使えるテキストがない場合だけです。検索とコピーのテストに合格したなら、OCRは不要です。時間がかかるうえ、すでに完璧なテキストにOCRをかけると、かえって誤りが入り込むことがあります。
Convert2EPUBの変換ツールの設定も、この考え方に沿っています。「スキャンしたページを読み取る(OCR)」オプションの説明には、テキストがまったくないスキャン専用であること、時間がかかること、結果は文字だけになることが書かれています。同じ設定には、不要なときは自動的にスキップされるとも書かれています。つまりテキストPDFではオフのままで正解で、迷う必要はありません。
判断の目安は次のとおりです。
- 検索でき、コピーした文章もきれい:OCRは使いません。Standardモデルを使いましょう。変換ツールでは、テキストPDFなら無料で、小説や一般的なテキストPDFに最適なモデルとして案内されています。
- 選択できる文字がまったくない:OCRをオンにして、本が書かれている言語を選びます。お使いの言語が一覧にあるか確認してください。現在選べるのは、英語、トルコ語、ドイツ語、フランス語、スペイン語、イタリア語、ポルトガル語、オランダ語、ギリシャ語です。
- 隠れたテキストが崩れている:ファイルにOCRをかけてみるか、原本が手元にあるなら、より高い画質でスキャンし直しましょう。
- 混在型のファイル:画像のページには、やはりOCRが必要になるでしょう。完成したEPUBを1ページずつ見て、文字の品質が変わる箇所を確認してください。
スキャンの扱い方の詳しい手順は、OCRでスキャンしたPDFをEPUBに変換するガイドをご覧ください。
OCR後のEPUBはどんな仕上がりになる?
リフローする文字だけのEPUBになりますが、原本の完全な複製にはなりません。OCRは文字の形を読み取って単語を推測するので、精度はスキャンの品質しだいです。EPUBの出来も、認識されたテキストの質を超えることはありません。
精度を左右するのは、次の点です。
- 解像度:通常の大きさの活字をOCRにかけるなら、300 dpi前後でのスキャンが一般的に推奨されています。斜めから撮ったり影が入ったりしたスマートフォンの写真では、精度が落ちます。
- まっすぐなページ:傾いたページや、ノド付近で湾曲したページは、行の検出を狂わせます。
- コントラスト:白い紙にくっきりした黒い文字のほうが、色あせたり黄ばんだりしたページよりも良い結果になります。
- 正しい言語:OCRの言語を間違えると、アクセント付きの文字が意味不明な文字列になります。
- レイアウト:段組みのないシンプルな文章がいちばん簡単です。段組み、表、数式はもっとも難しく、うまく残らないこともあります。技術的な内容の多い資料については、教科書のPDFと数式についての記事をご覧ください。
変換が終わったら、最初の章と中ほどの1ページにざっと目を通しましょう。OCRの誤りがいちばん問題になるのは人名、数字、章見出しなので、そこを重点的に確認します。
ファイルに本物のテキストが入っているとわかったら、無料の方法のほうが簡単で、章もそのまま残せます。詳しくはPDFを無料でEPUBに変換する方法で説明しています。どちらの場合も、ファイルをConvert2EPUBにアップロードすれば、何かを決める前にOCRが必要かどうかを確認できます。アカウントを作ると、30クレジットが無料で付いてきます。
よくある質問
見ただけで、PDFがスキャンかどうかわかりますか?
確実にはわかりません。きれいなスキャンは、通常の倍率ではデジタルのページと見分けがつきません。スキャンした文字は拡大するとピクセルが目立つので、拡大は手がかりになりますが、文字を選択したり検索したりするほうが確実です。
検索できるPDFは、テキストPDFと同じですか?
同じとは限りません。検索できるPDFでも、画像の裏にOCRのテキストレイヤーを追加したスキャンの場合があります。Ctrl+Fのテストには合格しますが、そのレイヤーの誤りはそのままEPUBに引き継がれます。段落をコピーして読んでみて、品質を確認してください。
OCRなしでもPDFをEPUBに変換できますか?
OCRをかけていないスキャンは、ページの画像にしかならず、リフローするテキストにはなりません。そのため、EPUBの便利さの源である、サイズを変えられて検索もできる文字は得られません。スキャンにまずOCRが必要なのはこのためです。電子書籍リーダーでテキストが重要な理由は、KindleでPDFが読みにくい理由についての記事で説明しています。
テキストPDFにOCRをかけると、品質は上がりますか?
いいえ。すでに本物のテキストが入っているなら、OCRをかけても何も良くならず、誤りが入り込むおそれがあります。OCRはオフにして、テキストをそのまま変換しましょう。
PDFにパスワードやコピー制限がかかっている場合はどうなりますか?
コピーが制限されていると、本物のテキストがあってもコピー&ペーストのテストができないことがあります。その場合は、代わりにCtrl+Fでの検索とフォント一覧で判断してください。保護されたファイルを変換できるかどうかはその設定しだいで、これらのテストではわかりません。
手元のPDFを変換してみませんか?一般的なテキスト文書なら無料で、アカウントも不要です。
PDFをEPUBに変換 →