ZipSeek見た目が同じPDFでも、検索できるかどうかは大きく異なります。デジタル作成されたPDFには通常、選択可能なテキストがあります。スキャンPDFはページ画像だけの場合があり、一般的な全文検索では文字が見つかりません。両方を含むPDFもあります。
ZipSeekはテキスト層があればそれを優先し、必要に応じてMac上のOCRでスキャンページや埋め込み画像を認識します。結果にはページ番号が残り、座標が得られた場合はページ上の該当範囲も表示されます。
テキストとスキャンを一度に検索
PDF、圧縮ファイル、または文書フォルダを選び、キーワードを入力します。スキャンが混ざる可能性があるなら「画像内のテキスト」を有効にします。すべてのPDFに正常なテキスト層があると分かっている場合は、OCRを切れば余分な認識処理を省けます。
テキスト検索で一致しなかったからといって、全ページにOCRをかけるわけではありません。利用できるテキスト層を先に使い、文字のないページや重要な画像文字だけを候補にします。
- 大量の文書では、一般的な単語より短く特徴的なフレーズが有効です。
- 単独の画像も対象なら、画像形式も選択します。
- OCR中は画面下部で通常の解析とは別に進行状況を確認できます。
検索結果から該当ページへ
PDFの結果を選ぶと、右側のプレビューが該当ページを開きます。通常のテキストは本文上で強調され、OCR結果は取得できた矩形をページに重ねて示します。前後ボタンは行単位ではなく、一致箇所ごとに移動します。
OCRは画像から文字を推定する処理です。低解像度、傾き、手書き、薄いコピー、特殊な書体、密集した表では精度が下がります。重要な内容は必ず元のページでも確認してください。
OCRはMac上で完結
文字認識にはmacOS Visionを使用し、文書、検索語、OCR結果を外部のAIサービスへ送りません。再利用できる結果は上限付きのローカルキャッシュに保存され、元ファイルが変更されれば古い内容は使われません。
文字を持つPDFを1冊だけ検索するなら、プレビューのCommand-Fで十分です。ZipSeekは同じ語句を複数のPDF、画像、Office文書、圧縮ファイルにまたがって探したいときに向いています。