PNGのテキストをTXTとして抽出
スキャンされたPDF、写真、画像をアップロードしてください。OCRはピクセルからテキストを読み取り、編集可能な文字に変換します。複数言語の印刷テキストに対応しています。低画質のスキャン、傾いたページ、さまざまなフォントにも対応します。
出力は文書ではなく素のテキストファイルなので、句読点、改行、段落の間隔は、見た目のレイアウトではなく、画像から認識された内容の生の構造に従います。元の PNG にある段組み、表、横に並んだテキストブロックは 1 つの読み順にまとめられますが、これはこの形式では想定どおりの動作で、修正すべき不具合ではありません。
PNGのテキストをTXTで書き出す理由
スキャンされた文書は単なる画像です。検索も、テキストのコピーも、編集もできません。OCRは画像を実際のテキストに変換します。古い紙のアーカイブを検索可能にします。スキャンされたフォームからデータを抽出できます。印刷資料を編集可能なファイルに変換します。
契約書、領収書、歴史的文書、書籍のページのデジタル化に不可欠です。スクリーンリーダーは読み上げに実際のテキストを必要とします——OCRはスキャンされた文書をアクセシブルにします。手動での打ち直しに比べて何時間も節約できます。
PNGのテキスト認識精度を左右するもの
PNGは圧縮によるノイズを生じさせないため、文字の直線や角がそのまま保たれます。これはまさに、誤りの少ないきれいなテキスト出力につながる種類の入力です。明るい背景に濃い色の文字、標準的なフォント、重なり合う図形のない、シンプルでコントラストの高いテキストのPNGは、誤読の非常に少ない.txtファイルに変換されます。
精度が落ちるのは、PNGの中で密な図形とテキストが重なっている場合、装飾的あるいは幅の狭いフォントが使われている場合、あるいは小さい元画像から拡大されていて本来スクリーンショットにはないはずのぼやけが生じている場合です。.txtファイルは太字や色を保持して単語の本来の姿を示すヒントを残すことができないため、誤読された文字はそれと気づく視覚的な手がかりのないまま、そのまま誤ったテキストとして現れます。
PNGからきれいなTXTを得るには
アップロード前に容量を減らそうとしてPNGを縮小するのではなく、なるべく元の解像度に近い状態を保ってください。元画像の時点で文字が小さくぼやけていて読み取れなかった場合、テキストファイルにしてもそれを修正することはできません。文字の背後に背景画像や透かしの図形が入っていない、テキストのみのシンプルなスクリーンショットが最も信頼できる.txt出力をもたらします。
表や表計算ソフトのスクリーンショットからデータを取り出す場合は、出力が列としてではなく左から右、上から下へのフラットな行として読み取られる点に注意してください。異なる列の数字がスペースで区切られて同じ行にまとまってしまうことがあります。後で整形し直す予定があるなら、一枚の巨大なスクリーンショットよりも、必要な行だけに絞った短いPNGの方がうまくいきます。