スキャンした日記の添付ファイル内のテキストが検索可能かどうかを確認する方法
スキャンした添付ファイル内に含まれる単語を手がかりに過去の日記エントリを見つけたい場合は、確実に含まれているとわかっている単語で検索し、ヒットした結果が入力したノートやファイル名ではなく、添付ファイルを指していることを確認してください。スキャンデータは単なる画像である場合もあれば、すでにテキストレイヤーが存在するPDFである場合や、アプリ側でOCR処理が必要な画像である場合もあります。これらは検索可能なテキストに至るルートがそれぞれ異なり、対応状況はアプリ、ファイル形式、プラン、デバイスによって変わります。
添付ファイルにおける「検索可能」とはどういう意味か？
アプリでの検索が成功した場合、いくつか異なる対象に一致している可能性があります。日記ノートの入力本文、添付ファイルのファイル名、PDFにすでに埋め込まれている選択可能なテキスト、あるいは光学文字認識（OCR）によって画像から認識された単語です。検索結果が出たというだけでは、どのルートで一致したのかはわかりません。たとえば、「駅」と検索してヒットしても、ノート自体に「駅の切符」と書かれていたり、ファイル名が `Station.pdf` だったりすれば、添付ファイル内が検索できた証拠にはほとんどなりません。
スキャンしたPDFは、通常のドキュメントのように見えても実際にはページの画像しか含まれていないことがあります。PDFビューアーで印刷された文字を選択できない場合、そのPDFにはテキストレイヤーがない可能性が高いという手がかりにはなりますが、お使いのノートアプリがそれをOCR処理できるかどうかまでの証明にはなりません。逆に、選択可能なPDFテキストは画像認識を行わなくても検索できる場合があります。まずはPDFビューアーでファイルを確認し、アプリ側のテストは別個に行ってください。
含まれているとわかっている単語を使って対照テストを行う
可能であれば、添付ファイルのコピーまたは使い捨てのテスト用ノートを使用してください。スキャン内にはっきりと見えている特徴的な単語を選び、その単語がノートのタイトル、入力本文、ファイル名に含まれていないことを確認します。その後、以下の手順を実行します。
これは確認の手順であり、特定のアカウントでのテスト結果を報告するものではありません。検索がヒットしなかったとしても、それだけで機能しないと結論付けることはできません。OCRが無効になっている、処理がまだ進行中である、形式がサポートされていない、または現在のデバイスに関連するインデックスがまだ存在しないといった理由が考えられます。
まず形式とテキストレイヤーを確認する
添付ファイルがJPEG/PNGなのか、スキャンしたPDFなのか、選択可能なテキストを含むPDFなのかを記録しておきます。次に、各形式についてアプリの最新のサポートドキュメントを個別に確認します。Joplinの[OCRドキュメント](https://joplinapp.org/help/apps/ocr/)によると、同アプリのOCRはPNGおよびJPEG画像とPDFファイルをスキャンし、画像とPDFの処理はデスクトップアプリで利用可能とされています。また、PDFリンクや画像のOCRテキストを表示するオプションについても説明されています。これにより、抽出されたテキストと、そこに目的の単語が含まれているかどうかの両方を確認できます。
Microsoftの[OneNote OCR手順](https://support.microsoft.com/en-us/office/copy-text-from-pictures-and-file-printouts-using-ocr-in-onenote-93a70a2f-ebcd-42dc-9f0b-19b09fd775b4)では、画像やファイルの印刷イメージからテキストをコピーする方法が説明されています。複数ページの印刷イメージの場合、1ページからコピーするかすべてのページからコピーするかを選択でき、結果が反映されるまでに24〜48時間かかる場合があると注意が促されています。これはOneNoteの画像や印刷イメージからの認識およびテキスト抽出に関する仕様です。添付されたすべての種類のファイルが同じように処理されると思い込まないようにしてください。
アプリのサポート状況とアカウント・デバイスの条件を切り分ける
アプリ全体としてはOCRをサポートしていても、アカウント、プラン、設定、または使用しているデバイスによって、特定の添付ファイルで機能するかどうかが左右される場合があります。Evernoteの[検索機能ページ](https://evernote.com/features/search)には現在、Personal、Professional、Enterpriseの各プランでPDF、Office文書、画像、プレゼンテーション、スキャンした文書内のテキストを検索できると記載されています。この機能に頼る前に、最新のプラン詳細とご自身のアカウントのプランを確認してください。
Joplinのドキュメントには、もう一つの重要な違いが記載されています。OCRスキャンはデスクトップアプリで実行されますが、モバイルアプリは同期を通じてOCRデータにアクセスします。そのため、スマートフォンでヒットしなかったからといって、そのファイルがインデックス化できないとは断定できません。まずはデスクトップ側での処理状況や、同期データが利用可能になっているかを確認してください。より一般的には、アプリのバージョン、適用されているプラン、OCR設定、ファイル形式、処理ステータス、同期状態を最新のドキュメントと照らし合わせて検証しましょう。ファイルをアップロードすれば自動的にテキストが抽出される、あるいはすべてのデバイスがローカルでインデックスを構築する、と決めつけないことが大切です。
結果を慎重に読み取り、ヒットしない原因を特定する
アプリのOCRテキスト内に目的の単語が表示されているにもかかわらず、検索してもノートがヒットしない場合、問題は検索処理や同期経路のさらに先にある可能性が高いです。アプリの検索に関するドキュメントを確認し、処理や同期が完了した後に再度試してみてください。OCRテキスト自体にその単語が含まれていない場合は、スキャンの鮮明さ、向き、言語設定、そして文字が印刷されたものか手書きかを確認してください。Joplinは、現在のシステムは印刷されたテキストや鮮明な画像に対しては信頼性が高いものの手書きには対応していないとしています。MicrosoftもOCRの効果は画像の品質に依存すると注意を促しています。したがって、認識エラーがヒットしない妥当な原因となり得ます。
PDF内で単語が選択できるのにノートアプリで検索しても見つからない場合は、そのアプリが画像のみのスキャンだけでなく、テキストが埋め込まれたPDFもインデックス化の対象にしているか確認してください。ファイル名や入力したノートのみが検索結果のトリガーになっている場合、それらのフィールドが検索可能であることは確認できますが、添付ファイル内の単語については何もわかりません。結果を記録する際は、これらの確認事項を混同しないようにしてください。
機能の検証記録を簡潔に残す
評価するアプリごとに、アプリとデバイス名、該当する場合はアカウントプラン、添付ファイルの形式、PDF内の単語が選択可能かどうか、OCR設定と処理ステータス、同期状態、そして正確なテスト結果を記録しておきましょう。一致したテキストがノート本文、ファイル名、既存のPDFテキストレイヤー、OCRテキストのどこから来たのかを明記します。これにより、「なんとなく検索できているようだ」という曖昧な状態から、デバイス、プラン、設定、ファイル形式を変更した際にも再現可能な検証手順へと変えることができます。