# そのPDFはスキャン画像か、テキストか？ アップロード前の確認方法

テキストの選択・コピー・ページのサンプリングを通じて、画像だけのPDF、隠れたOCRレイヤー、混在した文書を見分け、変換や翻訳の方法を選ぶ前に確認する手順を解説します。

画面上ではっきり見えるPDFでも、中身が文字の画像だけということがあります。同じスキャンページを表示しながら、その裏に見えないテキストレイヤーを隠し持っているPDFもあります。この違いは、検索、コピー、変換、翻訳の結果に影響します。

ファイルの内部構造を調べなくても、実用的な判断はできます。何ページかを実際に試し、文書の見た目だけでなく、テキストレイヤーから実際に何が取り出せるかに注目してください。

## 一文を選択してコピーする

ビューアでPDFを開き、本文中の一文を選択してみます。それをプレーンテキストエディタに貼り付け、文字とその並び順を確認します。句読点、数字、アクセント記号付きの文字や非ラテン文字も含めて見てください。

単語ではなくページ全体の画像が選択される場合は、そのページは画像だけである可能性が高いです。文がきれいにコピーできれば、その箇所には使えるテキストレイヤーがあります。コピーした結果が意味不明な文字列だったり、段組みの間で交互に入れ替わったりする場合は、選択可能なテキストはあっても、その後の処理に安心して使えるとは限りません。

表紙だけで本全体を判断しないでください。タイトルページは本文とフォントや画像、レイアウトが異なることがよくあります。

## スキャン画像に隠れたテキストレイヤーを見分ける

OCRを使うと、スキャン画像の上または背後に検索可能なテキストを追加できます。表示されるページはスキャン画像のままですが、検索と選択には認識されたテキストが使われます。これは便利な反面、隠れたレイヤーに誤りが含まれていても、鮮明なページ画像のせいで気づきにくくなります。

特徴的なフレーズを検索し、見つかったテキストと画像を照らし合わせます。数字や専門用語を含む行をコピーしてみてください。選択範囲が文字の位置に合っているか、コピーした内容が画像内の文字と一致しているかを確認します。

隠れたレイヤーが間違っているからといって、画像そのものが悪いとは限りません。以前の認識処理や文字コード、読み取り順の問題が原因かもしれません。再スキャンするか再処理するかを決める前に、両方の可能性を考えておきましょう。

## 混在したページや扱いにくいページを抽出して確認する

多くのPDFは、デジタルテキストとスキャンした挿入図、付録、図版が混在しています。セクションごとにレイアウトが異なる文書もあります。少数のページをサンプルとして確認しましょう。

| 確認するページ     | 理由                    |
| ----------- | --------------------- |
| 通常の本文       | 主なコンテンツの種類を把握する       |
| 中間と末尾のセクション | 元データや書き出しの変化を見つける     |
| 2段組みのページ    | 抽出順序を確認する             |
| 表や数式        | 数字、記号、構造を確認する         |
| 注記や付録       | 小さな文字やスキャンした挿入部分を見つける |

画像だけのページ、文字を正しくコピーできるページ、コピーした文字に誤りがあるページを記録します。「スキャンPDF」とひとくくりにラベルを付けるより、ずっと役に立ちます。

スキャン画像自体がぼやけていたり、切れていたり、影が入っていたりする場合は、認識に頼る前にそれを改善してください。[低品質スキャンの下準備ガイド](https://pdfcraft.ai/ja-JP/blog/prepare-poor-quality-scans/)では、当サイトに画像編集機能があることを前提とせず、外部での下準備を説明しています。

## 次にやりたいことから処理方法を選ぶ

画像だけの元データを編集可能なコンテンツや翻訳して読める形式にするには、まずOCRでテキストを取り出す必要があります。構造の復元も重要です。すべての単語を認識できても、段組み、キャプション、注記が正しい順序に自動で収まるわけではありません。

文字サイズを変えながら読み続けたいなら、[スキャンPDFからEPUBへの変換](https://pdfcraft.ai/ja-JP/pdf-craft/)を検討してください。メモ用に編集可能なコンテンツが欲しい、あるいはさらに処理を加えたいなら、[PDFからMarkdownへの変換](https://pdfcraft.ai/ja-JP/pdf-craft/pdf-to-markdown/)が向いています。ページの見た目を正確に保ちたい場合は、元のPDFを残しておきましょう。

別の言語で読みたい場合は、翻訳する方法をはっきり選んでください。PDF Craftでは、PDF出力には翻訳が必須です。EPUBとMarkdownの出力は翻訳なしでも変換でき、必要に応じて翻訳を有効にできます。作業全体の流れは[スキャンPDFの翻訳ガイド](https://pdfcraft.ai/ja-JP/blog/translate-scanned-pdf/)で説明しています。

## 元データの確認と変換結果の確認を分けて考える

ここまでの確認でわかるのは、元データに何が含まれていそうかということです。その後の変換が正しいかどうかを証明するものではありません。処理が終わったら、扱いにくかったページを同じように確認し、ダウンロードした出力と元データを比べてください。

[PDFワークスペース](https://pdfcraft.ai/ja-JP/pdf-craft/)でファイルをアップロードし、現在の設定と制限を確認できます。初めての利用者にはトライアル用のクレジットが付き、処理は利用量に応じて課金されます。最新の料金は[料金ページ](https://pdfcraft.ai/ja-JP/pricing/)に記載しています。テキストの復元、構造、意味をそれぞれ別に確認する必要がある理由は、[OCRと翻訳のワークフローガイド](https://pdfcraft.ai/ja-JP/blog/ocr-and-translate-workflow/)で解説しています。