スキャンしたPDFの文字がコピーできないのはなぜ？──中身が「写真」だからという理由

紙の書類をスキャナーやコピー機でPDF化して送ってもらったのに、文字をドラッグして選択しようとしても何も反応しない、検索窓に単語を打っても見つからない——そんな経験をした方は多いはずです。

結論を先に書きます。

そのPDFの中身は「文字データ」ではなく「1枚の写真」になっているからです。見た目は普通の文書でも、パソコンから見れば風景写真と同じ、ただの画像ファイルとしてPDFの中に貼り付けられています。写真の中の文字をコピーできないのと同じ理屈です。

---

PDFには2種類ある

PDFは「文書を再現するための入れ物」であって、中身の作られ方は一様ではありません。大きく分けると2種類あります。

種類	中身	文字の選択・コピー	検索
テキストPDF	文字そのもののデータ（テキスト層）を保持	できる	できる
スキャンPDF（画像PDF）	ページ全体を1枚の画像として保持	できない	できない

WordやExcelから「PDFとして保存」した場合や、Webページを「印刷してPDF保存」した場合は、文字の情報がそのまま埋め込まれるので前者になります。一方、紙の書類をスキャナーやスマホのカメラで撮影してPDF化した場合、コンピューターにとってそのページは「文字が書かれた紙を写した写真」でしかなく、後者になります。

見分け方は「選択できるか」だけ

自分が持っているPDFがどちらのタイプか、専門的な知識なしに一瞬で見分ける方法があります。

PDFを開いて、本文の一部をドラッグして選択してみる——これだけです。

• 文字がハイライトされて選択できる → テキスト層あり。コピー・検索が可能
• 何も選択されない、あるいはページ全体が1つの塊として選択される → 画像PDF（スキャンPDF）の可能性が高い

見た目が完全に同じでも、この一手間で正体がわかります。ちなみに、テキストPDFの中に押印箇所やサインだけ画像として貼り付けられているケースもあり、その場合は文書全体としては選択できても、判子の部分だけは画像のまま残ります。「一部だけ選択できない」からといって、必ずしもPDF全体がスキャンPDFとは限らない点にも注意が必要です。

検索できないと、実務では何に困るか

「見た目は同じ書類」なのに、テキストPDFとスキャンPDFでは実務上のできることが大きく変わります。

• 契約書の束から特定の条文だけを検索したい → スキャンPDFでは不可能
• 議事録から発言の一部を引用してコピペしたい → スキャンPDFでは手打ちが必要
• PDF内の文字を別の言語に機械翻訳したい → 多くの翻訳ツールはテキスト層を読むため、スキャンPDFはそのままでは翻訳できない

紙をスキャンして送るだけで済ませてしまうと、受け取った側がこうした作業のたびに手間を負うことになります。可能であれば、最初から文字データを持つ形式（Wordファイルやテキスト層つきPDF）でやり取りするほうが、後工程の負担は小さくなります。

画像から文字を取り戻すOCRという技術

画像PDFから文字を取り出したい場合に使われるのがOCR（Optical Character Recognition、光学文字認識）です。画像の中の文字の形をパターン認識し、「これは”あ”、これは”1”」と推測してテキストデータに変換する技術で、スマホの名刺スキャンアプリなどにも使われています。ただしOCRは推測である以上、次のような限界があります。

• 手書き文字やかすれた印字は誤認識しやすい
• 表やレイアウトが複雑だと文字の並び順が崩れることがある
• 変換後は必ず目視での確認が必要

つまり「スキャンPDFから文字が取れない」のは故障やバグではなく、そもそもそこに文字データが存在しないという、いたって正常な状態です。OCRはその画像を「文字らしきもの」として読み直す、別の処理だと理解しておくと混乱しません。

手元のPDFがどちらのタイプか確認したい、あるいはテキスト層のあるPDFから文字をそのまま取り出したいときは、PDFの文字起こしを整える が使えます。画像だけのPDFを読み込ませると「テキスト情報がほとんど入っていません」という注意が出るので、OCRなしでも見分けがつきます。複数のPDFを結合・分割したいだけなら PDF結合・分割を整える も、どちらもアップロード不要でブラウザの中だけで完結します。