メインコンテンツへ移動

OCRmyPDF

編集部のおすすめ

ローカル OCR(コマンドライン)

スキャンした PDF に検索可能な OCR テキスト層を追加できる、オープンソースのコマンドラインツール。

主な分類
OCR 文字認識
費用
費用は公式サイトで確認してください
ライセンスの種類
オープンソース
プラットフォーム
Windows / macOS / Linux
OCRmyPDF を開く コードリポジトリ

バージョン監視の対象です。お気に入りに追加すると、管理者が確認した新しいバージョンを「お気に入り」でお知らせします(このブラウザ内のみ)。

PDF / OCRの編集部のおすすめ · ローカル OCR(コマンドライン)

向いている人
スキャンした PDF をまとめて検索可能にし、ファイルを自分の PC から出したくない人。
おすすめの理由
スキャン PDF に検索・コピーできるテキスト層を加え、元画像の解像度を保ち、PDF/A でも出力できます。認識には Tesseract を使い、言語を指定でき、スクリプトでの一括処理に向いています。
制限・別のツールを選ぶ場合
コマンドラインのみで、Tesseract と Ghostscript の導入(または Docker)が必要です。認識精度はスキャン品質と言語データに左右されるため、結果は抜き取りで確認してください。GUI が必要なら別のツールを選びます。

資料の確認:2026-11-05 · 公式資料にもとづいて整理(当サイトでは未実行)

同じ種類のソフトと比べる

関連する記事・ガイド

用途と向いている人

スキャンした論文・報告書・資料を検索やテキストのコピーができる状態にしたく、コマンドラインを使える人。

使い方 · データの処理場所

使い方
コマンドライン
データの処理場所
手元の PC

手元の PC で動き、PC にインストールした Tesseract と Ghostscript を使います。公式の説明には「Keeps your private data private」とあります。

入門の例:スキャン PDF に検索可能なテキスト層を加える

公式ドキュメントと画面にもとづく手順で、当サイトでは実行していません。デモ用データで練習してください。

  1. 公式の手順で OCRmyPDF をインストールし(pip、apt、Homebrew、Docker など)、必要な Tesseract の言語データがあることを確認します。
  2. 機密情報を含まないスキャン PDF(例:scan.pdf)を用意します。
  3. ターミナルで ocrmypdf -l eng scan.pdf scan_ocr.pdf を実行します(複数言語は -l eng+fra のように + でつなぎ、保存用には --output-type pdfa を付けます)。
  4. PDF ビューアーで scan_ocr.pdf を開き、いくつかの語を検索し、文章をコピーして元の画像と照らし合わせ、認識の質を確認します。

よくある質問

GUI はありますか?
公式にはスクリプトから使えるコマンドラインプログラムです。GUI が必要なら別の OCR ツールを選んでください。
元の画像は変わりますか?
公式には埋め込み画像の解像度をそのまま保ち、テキスト層は画像の下に置かれます。出力は新しいファイルに書かれるので、別のファイル名にすれば元のファイルは置き換わりません。
日本語や中国語に対応していますか?
認識は Tesseract が行い、Tesseract は 100 以上の言語に対応しています。該当する言語データを入れ、-l で指定してください。

詳しい紹介

OCRmyPDF はオープンソースのコマンドラインツールで、スキャンした PDF に OCR テキスト層を追加し、検索、コピー、長期保存ができるようにします。Tesseract OCR と組み合わせて使われることが多く、スキャンした文献、アーカイブ、実験記録の一括処理に向いています。

適用場面:スキャン PDF の OCR、文献の一括処理、アーカイブのデジタル化、PDF の検索可能化

おすすめの組み合わせ:OCRmyPDF + Tesseract OCR

似たツールの選び方

  • Tesseract OCR:OCRmyPDF は認識に Tesseract を使います。PDF を作らず画像の文字だけ認識したいなら Tesseract を直接使えます。
  • PaddleOCR:中国語の文書、表、レイアウト認識が中心なら PaddleOCR と比べてみてください。

このツールを使う研究ワークフロー

資料の出典と確認範囲

確認日 2026-11-05 · 公式資料にもとづいて整理(当サイトでは未実行)