ドキュメント OCR

OCR テキスト抽出：画像とスキャン PDF をテキストに

画像や PDF の URL、アップロードファイル、base64 データを渡すだけで、認識されたテキストをページごとに信頼度スコア付きで返します。単語の位置情報を加えて文書パーサーを作ったり、PDF に既存のテキスト層があればそれを再利用したりできます。

★ 5.0 評価 · 1 件のレビュー18 人のユーザー97.1% 実行成功率（30日間）

Apify で実行 — 無料トライアル API で利用

取得できるデータ

`text`	ファイル全体の認識テキスト
`pages`	ページごとのテキスト
`confidence`	ページごとのエンジン信頼度
`words`	任意：認識された単語と信頼度
`boundingBox`	任意：ページ上の各単語の位置
`language`	使用した OCR 言語
`fileName / url`	処理したファイルの出所

使い方

Apify でスクレイパーを開き、無料で登録します。
フォームにルート、日付、オプションを入力します。
Start をクリックし、結果を JSON・CSV・Excel でダウンロード、または API で取得します。

料金

$2.00 1,000 行あたり

イベント課金制です。ファイル 1 件ごとの少額の処理料金に加え、OCR で読み取った 1 ページごとに課金されます。ページ範囲と最大ページ数でコストを管理できます。

Apify は毎月 5 ドルの無料クレジットを提供しています。このスクレイパーを無料で試すのに十分です。

タスク例

そのまま使える入力例です。フォームに貼り付けるか API で送信してください。

画像から OCR で文字を抽出する

サンプルのスキャン画像を英語で読み取り。

{
  "urls": [
    "https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.png"
  ],
  "language": "eng"
}

このタスクを実行 →

スキャン PDF を単語座標と信頼度付きで OCR

最初の 3 ページ、低信頼度の単語は除外。

{
  "urls": [
    "https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
  ],
  "pageRange": "1-3",
  "includeWordBoxes": true,
  "minWordConfidence": 60
}

このタスクを実行 →

スキャン PDF を言語自動判定で強制 OCR

PDF のテキスト層を無視、最大 20 ページ。

{
  "urls": [
    "https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
  ],
  "autoDetectLanguage": true,
  "useExistingTextLayer": false,
  "maxPagesPerFile": 20
}

このタスクを実行 →

画像と PDF をまとめてプレーンテキストに変換

ファイル 2 件、全文のみ出力。

{
  "urls": [
    "https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.png",
    "https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
  ],
  "includePages": false
}

このタスクを実行 →