図面PDFの文字が検索できない原因と解決策｜原因の特定と対応方法を解説
CADから出力した図面PDFで、画面には文字が表示されているのに検索できないことがあります。原因は一つではありません。まず「画像だけのPDFなのか」「文字情報はあるが正しく取り出せないのか」を切り分けることが解決への近道です。
図面PDFの文字が検索できない主な原因
1. スキャンや画像出力で文字が画像になっている
紙図面をスキャンしたPDFや、図面全体を画像化して保存したPDFには、通常は検索用のテキスト情報がありません。この場合はOCRで文字認識を行い、検索可能なテキスト情報を付与する必要があります。
2. CAD出力時に文字がアウトライン化されている
見た目は文字でも、PDF内部では線や図形の集まりになっている場合があります。フォントをアウトラインへ変換すると、表示は維持できてもテキスト検索ができないことがあります。
3. 文字コードへの対応付けが不完全
PDF内に文字を描画する情報があっても、Unicodeなどへの対応付けが不足していると、コピーした文字が化けたり、検索に失敗したりします。フォントが埋め込まれているかどうかだけで検索可否は決まりません。
原因を調べる手順
- PDFで文字をマウス選択できるかを確認する。
- 文字をコピーしてテキストエディタへ貼り付け、正しい文字列になるか確認する。
- PDFからテキストを抽出してみる。文字化け・欠落・抽出ゼロのどれかを区別する。
- 元のCADデータがある場合は、文字を保持する設定でPDFを再出力できるか確認する。
- 画像しかないページにOCRを適用し、型式や図面番号など重要な文字の認識結果を確認する。
文字層と画像が混在するPDFはどう扱うか
すべてのページへ一律にOCRを掛ける必要はありません。ページごとに文字抽出を試し、十分なテキストが得られないページだけOCRの対象にする方法があります。ただし、文字が一部だけ抽出できるページでも図面内の別領域が画像であることがあるため、抽出成功だけで全文が検索可能とは限りません。
検索できるようになった後の課題
図面中の型式を見つけても、その型式に関係する仕様書、点検記録、変更理由が別ファイルにある場合があります。複数の技術資料を横断して調べ、有用だった資料の関連性や探索経路を残すという方法もあります。
AnnoLink：技術文書の横断検索と資料の関係性の管理では、登録された図面・PDFや注釈などを検索し、関連資料をたどる使い方を紹介しています。OCRの認識率は原稿品質や文字配置に左右されるため、導入時は実際の図面で検証してください。