mcpField
O
ocrmypdf

ocrmypdf

github.com/full-stack-skillsドキュメント048 回インストール4 週間前に更新
リポジトリ

ocrmypdf について

スキャン PDF に検索可能なテキストを追加する OCRmyPDF のコマンドラインスキルガイドです。言語や OCR モード、ページ範囲、出力形式に加え、テキストファイルの出力、メタデータ、並列処理も扱います。

主な機能

  1. 01PDF に検索可能な OCR テキストを追加
  2. 02画像を検索可能な PDF に変換
  3. 03言語と OCR モードを選択
  4. 04指定ページだけを処理
  5. 05テキストファイルの出力とメタデータ設定
  6. 06ジョブの並列実行

活用シーン

  1. 01スキャンした記録を検索可能にする
  2. 02多言語文書を OCR 処理する
  3. 03既存の OCR レイヤーを置き換える
  4. 04PDF/A のアーカイブを作成する

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/full-stack-skills/ocrmypdf-skills --skill ocrmypdf

インストール後、Claude Code で/ocrmypdfを入力して読み込まれたか確認します。

同梱ファイルagents/openai.yaml

詳細

OCRmyPDF — OCR コアガイド

概要

OCRmyPDF は、スキャンした PDF ファイルに OCR テキストレイヤーを追加し、検索やコピー＆ペーストを可能にします。Tesseract OCR を使用し、100 以上の言語に対応しています。既定では PDF/A を生成し、すべての CPU コアを使って処理を分散します。

画像処理（傾き補正、回転、クリーンアップ）については、ocrmypdf-image スキルを参照してください。最適化と PDF/A のオプションについては、ocrmypdf-optimize を参照してください。バッチ処理、Docker、スクリプトについては、ocrmypdf-batch を参照してください。Python API とプラグインについては、ocrmypdf-api を参照してください。

インストール

ワンライナーでのインストール（推奨）
OSコマンド
Debian / Ubuntuapt install ocrmypdf
Fedoradnf install ocrmypdf tesseract-osd
macOS (Homebrew)brew install ocrmypdf
macOS (MacPorts)port install ocrmypdf
FreeBSDpkg install py-ocrmypdf
Snapsnap install ocrmypdf
pip でのインストール（最新バージョン）
# After installing system dependencies (Tesseract, Ghostscript)
pip install ocrmypdf
確認
ocrmypdf --version
ocrmypdf --help
必要条件
  • Python 3.11 以降
  • Tesseract 4.1.1 以降（OCR エンジン）
  • Ghostscript 9.54 以降またはpypdfium2（PDF のラスター化）
  • 任意：jbig2enc（圧縮）、pngquant（画像の最適化）、unpaper（クリーンアップ）

クイックスタート

# Basic OCR — input scanned PDF, output searchable PDF/A
ocrmypdf input.pdf output.pdf

# OCR an image file directly
ocrmypdf --image-dpi 300 scan.png output.pdf

# OCR in place (only overwrites on success)
ocrmypdf myfile.pdf myfile.pdf

言語サポート

OCRmyPDF は Tesseract の言語パックを使用します。お使いの OS 用にインストールしてください。

# Debian / Ubuntu
apt-cache search tesseract-ocr          # List all language packs
apt install tesseract-ocr-chi-sim       # Chinese Simplified
apt install tesseract-ocr-fra           # French

# macOS (Homebrew)
brew install tesseract-lang             # All languages

# Fedora
dnf search tesseract-langpack
dnf install tesseract-langpack-ita      # Italian
言語の使用
# Single language
ocrmypdf -l fra document.pdf output.pdf

# Multiple languages
ocrmypdf -l eng+fra bilingual.pdf output.pdf

# Chinese Simplified + English
ocrmypdf -l chi_sim+eng chinese-doc.pdf output.pdf

注：言語識別子にはISO 639-3 コードを使用してください。

OCR モード

既定のモード（既存のテキストをスキップ）
# Skip pages that already have text — only OCR pages without text
ocrmypdf input.pdf output.pdf
OCR を強制する（--force-ocr または -m force）
# Rasterize and OCR all pages, even those with existing text
ocrmypdf --force-ocr input.pdf output.pdf
# v17+ short form:
ocrmypdf -m force input.pdf output.pdf
OCR をやり直す（--redo-ocr または -m redo）
# Replace existing OCR without rasterizing (preserves quality)
ocrmypdf --redo-ocr input.pdf output.pdf
# v17+ short form:
ocrmypdf -m redo input.pdf output.pdf
テキストをスキップする（--skip-text または -m skip）
# Skip pages with any text, only OCR blank/image pages
ocrmypdf --skip-text input.pdf output.pdf
# v17+ short form:
ocrmypdf -m skip input.pdf output.pdf
OCR なし（画像処理のみ）
# Apply image processing / PDF/A conversion without OCR
ocrmypdf --ocr-engine none input.pdf output.pdf

ページの選択

# OCR only specific pages
ocrmypdf --pages 1,3,5-10 input.pdf output.pdf

# OCR only the first page, minimal changes elsewhere
ocrmypdf --pages 1 --output-type pdf --optimize 0 input.pdf output.pdf

出力形式

# PDF/A (default) — for archival
ocrmypdf --output-type pdfa input.pdf output.pdf

# Standard PDF
ocrmypdf --output-type pdf input.pdf output.pdf

# Auto (v17+) — speculative PDF/A, falls back to standard PDF
ocrmypdf --output-type auto input.pdf output.pdf

# No output PDF — only produce sidecar text
ocrmypdf --output-type none --sidecar text.txt input.pdf -

サイドカーテキストファイル

# Produce a companion text file with OCR text
ocrmypdf --sidecar output.txt input.pdf output.pdf

メタデータ

# Set output PDF metadata
ocrmypdf --title "My Document" --author "Author Name" --subject "Subject" input.pdf output.pdf

並列処理

# Use 4 CPU cores (default: all available)
ocrmypdf --jobs 4 input.pdf output.pdf

# Single-threaded
ocrmypdf --jobs 1 input.pdf output.pdf

よく使うレシピ

スキャンした PDF を検索可能にする
ocrmypdf scanned.pdf searchable.pdf
画像を検索可能な PDF に変換する
ocrmypdf --image-dpi 300 scan.jpg output.pdf
多言語文書を OCR にかける
ocrmypdf -l eng+deu+fra multilingual.pdf output.pdf
新しい Tesseract で OCR をやり直す
ocrmypdf --redo-ocr old-ocr.pdf updated.pdf
PDF からすべてのテキスト／OCR を削除する
ocrmypdf --ocr-engine none --force-ocr input.pdf stripped.pdf

クイックリファレンス

タスクコマンド
基本的な OCRocrmypdf input.pdf output.pdf
言語を指定ocrmypdf -l fra input.pdf output.pdf
複数の言語ocrmypdf -l eng+fra input.pdf output.pdf
すべてのページで OCR を強制的にやり直すocrmypdf --force-ocr input.pdf output.pdf
既存の OCR を置き換えるocrmypdf --redo-ocr input.pdf output.pdf
テキストのあるページをスキップするocrmypdf --skip-text input.pdf output.pdf
特定のページのみocrmypdf --pages 1,3,5-10 input.pdf output.pdf
標準 PDF を出力ocrmypdf --output-type pdf input.pdf output.pdf
テキストをサイドカーに抽出ocrmypdf --sidecar text.txt input.pdf output.pdf
画像を PDF に変換ocrmypdf --image-dpi 300 image.png output.pdf
ファイル内で OCRocrmypdf myfile.pdf myfile.pdf
メタデータを設定ocrmypdf --title "Title" input.pdf output.pdf
並列ジョブ数ocrmypdf --jobs 4 input.pdf output.pdf

トラブルシューティング

  • 「Tesseract が見つかりません」：Tesseract をインストールし、PATH に含まれていることを確認してください。
  • OCR の品質が低い：言語パック（-l）を確認し、--deskew（ocrmypdf-image を参照）または --oversample 300 を試してください。
  • 「入力ファイルにテキストがあります」：状況に応じて --force-ocr、--redo-ocr、または --skip-text を使用してください。
  • 出力ファイルが大きい：--optimize のレベルと JBIG2 については、ocrmypdf-optimize を参照してください。
  • 署名済み PDF：--invalidate-digital-signatures を使用して上書きできます（署名は無効になります）。

参考資料

コメント

Markdown 対応