IronOCRで検索可能なPDFの力を解き放つ：ウェビナーの概要

PDF/UA 標準が私のビジネスにとってなぜ重要なのか?

多くの組織は、社内ポリシー、公共部門の義務、長期アーカイブなど、PDF/UA などのアクセシビリティとコンプライアンスの標準を満たす必要があります。 PDF/UA (ユニバーサル アクセシビリティ) 標準により、障害のあるユーザー、特にスクリーン リーダーなどの支援技術を使用するユーザーが PDF に完全にアクセスできるようになります。 これは単なるコンプライアンスの問題ではなく、アクセシビリティ違反に関連する潜在的な法的問題を回避しながら、すべてのユーザーが平等に情報にアクセスできるようにすることです。

IronOCR のアプローチがなぜこんなにシンプルなのか?

Chipego は、わずか数行のコードで、IronOCR が通常の非準拠 PDF を完全なPDF/UA 準拠のドキュメントに変換する方法を実演しました。

using IronOcr;
using IronPdf;

// Initialize IronOCR
var ocr = new IronTesseract();

// Configure OCR for accessibility compliance
ocr.Configuration.ReadBarCodes = true;
ocr.Configuration.RenderSearchablePdf = true;

// Read the scanned PDF
using var input = new OcrInput();
input.AddPdf("scanned-document.pdf");

// Perform OCR and create searchable PDF/UA compliant document
var result = ocr.Read(input);
result.SaveAsSearchablePdf("compliant-output.pdf");

using IronOcr;
using IronPdf;

// Initialize IronOCR
var ocr = new IronTesseract();

// Configure OCR for accessibility compliance
ocr.Configuration.ReadBarCodes = true;
ocr.Configuration.RenderSearchablePdf = true;

// Read the scanned PDF
using var input = new OcrInput();
input.AddPdf("scanned-document.pdf");

// Perform OCR and create searchable PDF/UA compliant document
var result = ocr.Read(input);
result.SaveAsSearchablePdf("compliant-output.pdf");

その結果は、アクセシビリティとアーカイブ基準の検証ツールであるVeraPDFを使用して検証されました。 この検証手順は、監査や規制要件への準拠を証明する必要がある組織にとって非常に重要です。

PDF/UA 準拠から最も恩恵を受けるのは誰でしょうか?

PDF/UA 準拠により、視覚障害のあるユーザーがスクリーン リーダーを使用してドキュメントにアクセスできるようになり、法令遵守と包括的な設計の両方がサポートされます。 政府機関、教育機関、医療機関は、アクセシビリティ要件が厳しいことが多いため、特にメリットがあります。 さらに、EU で事業を展開する企業は欧州アクセシビリティ法に準拠する必要があり、市場へのアクセスには PDF/UA 準拠が不可欠となります。

! IronOCR による検索可能な PDF 作成のデモ。作成前後の文書の比較を表示。

これはどんな問題を解決するのでしょうか?

スキャンされたドキュメントがPDFのように見えるが、画像のように機能することはありませんでしたか？ ここでOCR テクノロジーが役立ちます。 多くの企業は、何千ものスキャンされた PDF を含む従来のドキュメント アーカイブに苦労しています。これらのファイルはストレージ スペースを占有するだけでなく、検索機能やデータ抽出機能も提供していません。 OCR がなければ、従業員は手作業で文書を検索することに膨大な時間を費やし、生産性の低下と運用コストの増加につながります。

変換プロセスはどのように機能しますか?

Chipego 氏は、IronOCR が検索不可能なスキャンされた PDF を検索可能な PDFに変換し、全文検索機能を即座に有効にする方法を紹介しました。 このプロセスにはいくつかの高度なステップが含まれます。

using IronOcr;

// Create a new OCR engine instance
var ocr = new IronTesseract();

// Configure language and accuracy settings
ocr.Language = OcrLanguage.English;
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Load the scanned PDF
using var input = new OcrInput();
input.AddPdf("invoice-scan.pdf");

// Apply image improve for better accuracy
input.DeNoise();
input.Deskew();
input.EnhanceResolution(225);

// Perform OCR and save as searchable PDF
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-invoice.pdf");

// Extract text for indexing
string extractedText = result.Text;
Console.WriteLine($"Extracted {extractedText.Length} characters");

using IronOcr;

// Create a new OCR engine instance
var ocr = new IronTesseract();

// Configure language and accuracy settings
ocr.Language = OcrLanguage.English;
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Load the scanned PDF
using var input = new OcrInput();
input.AddPdf("invoice-scan.pdf");

// Apply image improve for better accuracy
input.DeNoise();
input.Deskew();
input.EnhanceResolution(225);

// Perform OCR and save as searchable PDF
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-invoice.pdf");

// Extract text for indexing
string extractedText = result.Text;
Console.WriteLine($"Extracted {extractedText.Length} characters");

変換後、ユーザーは Ctrl + F を使用して特定のコンテンツを見つけたり、日付、名前、ドキュメントの件名などのキーワードで検索したりできます。 OCR エンジンは、コンテンツを検索および選択可能にする目に見えないテキスト レイヤーを追加しながら、元のドキュメントのレイアウトをインテリジェントに保持します。

検索可能な PDF から最も恩恵を受ける業界はどれでしょうか?

最適な用途:

• 訴訟ファイルや契約書を扱う法律事務所
• 患者記録を管理する医療提供者
• 紙の記録をデジタル化しており、高速なコンテンツ検索を必要とするチーム -請求書処理とコンプライアンスのための金融機関
• 不動産会社が不動産書類をデジタル化

業界の推定によると、大規模なドキュメント リポジトリ内で特定の情報をすばやく見つける機能により、検索時間を最大 90% 削減できます。

! 変換されたPDFのテキスト抽出と検索機能を示すIronOCRインターフェース

ターゲット抽出はいつ使用すればよいですか?

領収書、注文書、請求書などの構造化文書を大量に処理する企業向けに、Chipego は、境界ボックス座標を使用して IronOCR が特定の PDF 領域からデータを抽出する方法を実演しました。 このターゲットを絞ったアプローチは、請求書の合計金額、契約書の日付、注文書の顧客 ID など、重要な情報が一貫した場所に表示される標準化されたフォームを扱う場合に特に役立ちます。

地域処理によってパフォーマンスはどのように向上するのでしょうか?

ファイル全体を処理する代わりに、IronOCRは注文件や合計、住所のような関連フィールドにのみ焦点を当てるため、スピードが劇的に向上し、クラウドやコンピューティングコストを削減します。 ターゲット抽出を実装する方法は次のとおりです。

using IronOcr;
using System.Drawing;

var ocr = new IronTesseract();

// Load PDF and define extraction regions
using var input = new OcrInput();
input.AddPdf("purchase-order.pdf", 1); // Process first page only

// Define bounding box for PO number field (x, y, width, height)
var poNumberArea = new Rectangle(450, 100, 150, 50);
input.AddPdfPage("purchase-order.pdf", 1, poNumberArea);

// Extract just the PO number
var result = ocr.Read(input);
string poNumber = result.Text.Trim();

// Define multiple regions for batch extraction
var regions = new Dictionary<string, Rectangle>
{
    { "PONumber", new Rectangle(450, 100, 150, 50) },
    { "TotalAmount", new Rectangle(450, 600, 150, 50) },
    { "VendorName", new Rectangle(50, 200, 300, 50) }
};

// Extract data from each region
var extractedData = new Dictionary<string, string>();
foreach (var region in regions)
{
    input.Clear();
    input.AddPdfPage("purchase-order.pdf", 1, region.Value);
    var regionResult = ocr.Read(input);
    extractedData[region.Key] = regionResult.Text.Trim();
}

using IronOcr;
using System.Drawing;

var ocr = new IronTesseract();

// Load PDF and define extraction regions
using var input = new OcrInput();
input.AddPdf("purchase-order.pdf", 1); // Process first page only

// Define bounding box for PO number field (x, y, width, height)
var poNumberArea = new Rectangle(450, 100, 150, 50);
input.AddPdfPage("purchase-order.pdf", 1, poNumberArea);

// Extract just the PO number
var result = ocr.Read(input);
string poNumber = result.Text.Trim();

// Define multiple regions for batch extraction
var regions = new Dictionary<string, Rectangle>
{
    { "PONumber", new Rectangle(450, 100, 150, 50) },
    { "TotalAmount", new Rectangle(450, 600, 150, 50) },
    { "VendorName", new Rectangle(50, 200, 300, 50) }
};

// Extract data from each region
var extractedData = new Dictionary<string, string>();
foreach (var region in regions)
{
    input.Clear();
    input.AddPdfPage("purchase-order.pdf", 1, region.Value);
    var regionResult = ocr.Read(input);
    extractedData[region.Key] = regionResult.Text.Trim();
}

このターゲットを絞ったアプローチにより、フルページ OCR と比較して処理時間を 70 ～ 80% 短縮できるため、大量のドキュメントを処理するシナリオに最適です。

ビジネス上のメリットは何ですか?

これにより、反復的なデータ入力タスクが自動化され、手作業の労力が削減され、精度が向上し、チームはより価値の高い作業に専念できるようになります。 企業は、データ入力だけで週あたり 20 ～ 30 時間を節約していると報告しています。 抽出されたデータは、自動的にデータベースにエクスポートしたり、既存のシステムと統合したり、自動ワークフローをトリガーしたりできます。 たとえば、抽出された請求書の合計は会計システムを自動的に更新し、抽出された顧客情報は手動による介入なしに CRM レコードに入力できます。

IronOCR は一度に複数のファイルを処理できますか?

ウェビナーでは個々のコード例が紹介されましたが、IronOCRは大量処理をスケールで行うために構築されています。 数百または数百万のファイルを変換する場合でも、IronOCR は既存のシステムに簡単に統合できます。 エンタープライズ ソリューションはマルチスレッドと分散処理をサポートしており、組織は 1 時間あたり数千のドキュメントを処理できます。 バッチ処理の例を次に示します。

using IronOcr;
using System.IO;
using System.Threading.Tasks;

public async Task ProcessDocumentBatch(string folderPath)
{
    var ocr = new IronTesseract();
    ocr.Configuration.RenderSearchablePdf = true;

    // Get all PDF files in directory
    var pdfFiles = Directory.GetFiles(folderPath, "*.pdf");

    // Process files in parallel for maximum efficiency
    await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
    {
        using var input = new OcrInput();
        input.AddPdf(file);

        var result = await Task.Run(() => ocr.Read(input));

        // Save searchable version
        var outputPath = Path.Combine(folderPath, "searchable", Path.GetFileName(file));
        result.SaveAsSearchablePdf(outputPath);

        // Log processing results
        Console.WriteLine($"Processed: {file} - {result.Pages.Length} pages");
    });
}

using IronOcr;
using System.IO;
using System.Threading.Tasks;

public async Task ProcessDocumentBatch(string folderPath)
{
    var ocr = new IronTesseract();
    ocr.Configuration.RenderSearchablePdf = true;

    // Get all PDF files in directory
    var pdfFiles = Directory.GetFiles(folderPath, "*.pdf");

    // Process files in parallel for maximum efficiency
    await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
    {
        using var input = new OcrInput();
        input.AddPdf(file);

        var result = await Task.Run(() => ocr.Read(input));

        // Save searchable version
        var outputPath = Path.Combine(folderPath, "searchable", Path.GetFileName(file));
        result.SaveAsSearchablePdf(outputPath);

        // Log processing results
        Console.WriteLine($"Processed: {file} - {result.Pages.Length} pages");
    });
}

どのようなサポート オプションが利用可能ですか?

サポートが必要ですか? Iron Software は、チャットとメールによる24 時間 365 日のテクニカル サポートを提供しており、すぐに利用を開始できます。 サポート チームには OCR スペシャリストが含まれており、扱いが難しいドキュメント タイプ、複数の言語、複雑な統合要件など、特定のユース ケースの改善をお手伝いします。 さらに、完全なドキュメントとコード例により、開発者は独自にソリューションを実装できます。