『OCR化されたPDF』のクチコミ掲示板

ScanSnap fi-5110EOXというのを購入しました。
これに、ACROBAT　STANDARD がついてきます。
このスキャナは、CPU　1.8G以上ないと一定の読み取り速度が確保できないようです。
両面印刷の書籍をばらして、５０枚ほど一度に読み込ませました。
大体３分で読み終えます。５０枚、両面読み取りを考えると、
１００ページ３分で読み取りが終わりました。６００DPI程度にしては早い。
でも、できたのは　画像形式のPDFです。
そこで　さらに、ACROBAT　PRO　を購入。追加で２万円かかりました。
なぜPROにしたかというと、このACROBAT　PRO　に　PAPER　CAPTURE
という機能がついていているからです。
この機能は　画像PDFを　ワード、リッチテキストなどのOCRで読み取れる形で自動出力をしてくれます。
いうならばOCR化されたPDFです。

ところでPAPER　CAPTUREを使いワードで読み込んだ場合、文章に型崩れがおきます。型崩れしないようにPDFをワード出力するには　omni　page　pro14　が必要らしい。
http://www.pugh.co.uk/Products/scansoft/omnipagepro14.htm
が　値段は５万円する。
でも　ワードで読み込んで　再加工できる。型崩れしないから、加工が簡単。
そしてまた、ワードから、PDFに変換できるのは、当然です。
ワードについているPDFのアイコンを叩くだけで全自動でPDFが作成されます。
こうなると相互の往復が可能です。
＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞
つまり　人に渡す際は、受け取る側が安心して開ける、PDF形式にして渡す。
インターネット上のPDFが画像文字状態なら、これをワード等でOCR化を行える。そして　再度、検索可能な形式で保存する。
だから、自分の注釈を加えて保存もできる。翻訳ソフトにかけて日本語にすることも可能です。
さらに　一度、ワードなどから作成したPDFファイルは、ADOBE　ACROBAT 6 PRO　を使えば検索が可能です。
再変換したPDFは、OCR読み取りを終えた文字情報となるからです。
こうなると　ADOBE　ACROBAT 6 PRO　を使えば文章の一部に検索したいものがあれば、拾ってこられる。
単に、文章の表題でなくて、本文の一部に特定の言葉が含まれれて入るだけでも検索はOKです。
OCR化したPDF形式ならデーターバンクを作れる。
短時間のスキャンで、巨大なデーターベースができる時代になってきた。
と感じました。

書込番号：2617503

質問いたします。

＞CPU　1.8G以上ないと一定の読み取り速度が確保できないようです。

とありますが、これはセレロンの事ですか？

書込番号：2622629

自分の環境では、PEN４で2.8G
職場の書類を毎日1000枚程度、８時間の勤務時間で以下の工程処理でPDF化してます。
工程は以下の４まであります。だから、高速なCPUが必要です。
最後の４は無視しても構いません。
１
読み取りは、カラー画像を無視して、白黒で読み込ませます。
マーカーのアンダーラインを無視して、白黒で読み込ませないと
OCR化できません。決済印など朱肉押印があるページも最終的にデーターベース化して、検索できるようにするためです。
２
読み込みの後、縦横の自動変換がうまくできているか確認。
おかしいものは、ADOBEのアクロバットで回転処理する。
３
paper capture 化する。検索できるデーターベースにするためです。
CPUの能力を限界まで使う処理をします。
上記１のキャプチャと同程度の時間がかかります。
４
構造化する。PDFにタグを埋め込む。

自宅にある検索する気持ちになれない分厚い辞典も、PDFにすれば使えるようになると期待してます。

書込番号：2648423

OCR化されたPDF　さん

御返事ありがとうございます。

私のほうの書き込みが遅れて申し訳ありません。

＞PEN４で2.8G、職場の書類を毎日1000枚程度、８時間の勤務時間で以下の工程処理でPDF化してます。

ですか、私のデスクトップ（セレロン１．２）では厳しいですね。
大変参考になりました。
ありがとうございました。

書込番号：2674578

[yammo]

Acrobat 6.0 Standard でも Paper Capture 使えるみたいですよ。

●ScanSnap > 導入事例 > 導入事例1
http://scansnap.fujitsu.com/jp/case/001.html

# もう読まれていないかもしれませんけど…

by yammo

書込番号：2694313