自炊：PDFへのテキストデータ埋め込みの方法

とりあえず、いろいろ肩付き、
再スタートは来年からという予定。

で、この冬は自炊に励む予定。自炊って、個人的財産の構築法。
で、さて、自炊の方法。


ずっと、うまくいかなくて放置してた
PDFのテキストデータの埋め込み法

なぜか、
自炊した状態によって、文字を（ある程度）日本語で読み込んでくれるのと
くれないのとがある。
この原因は何なのか、スキャナのドライバの設定をいろいろ見てたんだけど、
結局、分からずじまい。

で、
今回発見。
何でもっと早くにやらなかったのか。。。


アクロバットで、
PDFを読み込み

ツール（右上）

にある、

テキスト認識

で、
「このファイル内」

をクリックし、
ウィンドウで　日本語
を選ぶ。


かなり時間がかかるけど、勝手にやってくれる。
この時、「複数のファイル」を選ぶと、何本でもずーっとやっててくれる。
一晩中。。。。夜中に仕事しに来てくれる小人さんみたいだ。


で、フォントや
状態にもよるだろうけど、
テキストとして認識できるようになる。
この時、データサイズさえ上がらない。むしろ落ちるぐらい。
（下にサイズの資料）

この時、今のバージョンでは、いくつかの選択肢がある。

まず、日本語
そのあと、

ClearScan
画像認識：検索可能な画像
画像認識：検索可能な画像（非圧縮）

の３つがある。
これを、加工し、状態を下へペーストしている。

結論から言って、


画像認識：検索可能な画像（非圧縮）

が一番良く、
この後、ダウンサイズしても変わらない。
データサイズは小さくなるどころか、大きくなるものもある。

このデータサイズを小さくするためには、
アクロバットでは、「複数のファイルをPDFに」という所で、
1本のデータを入れて、小さいサイズを選ぶとやってくれる。
これは、図鑑データの場合は1,9mbが500kbちょっとになる。およそ４分の１
で、テキストの読みは同じ。ただし、順番はエラーが多い。
きちんとした文章になっていない。
（図鑑サンプルでは、データ上にまばらに入れられているので、仕方が無い）
ただし、検索としては十分だとも言える。
もちろん、特定の単語を読めていない可能性もあるけれど。


という所で、結論


PDFを保存する時は、テキストを認識できるようにしておくと良い。
データも重くなったりしない。

その時は
画像検出が可能（非圧縮）で　
日本語　を指定する

この後、ダウンサイズするのは無意味だが、
ダウンサイズするなら、
アクロバットでは、「複数のPDFから作成」し、
小さいサイズのデータを選ぶ。

もし、データを文章として、コピーしたい場合は、ダウンサイズしない方が良い。
小さいデータで検索だけ可能にしたい場合は、ダウンサイズしても良い。
その時は、「作成」で　新しい小さいファイルを作る形でダウンサイズする。


------

この方法、
もし、修論の途中で知ってたら、
かなり便利だったろうと思う。
何よりも、整理が簡単。

膨大な量の文献から、
特定のキーワードを含む文献が検索できてしまう。
便利すぎて、本なんて読まなくてもよくなってしまう。。。

--------




下に、加工結果
もちろんフォントやいろんな条件に依存するけれど、
文字認識の状態としては、同じ。
Sっていうのは、アクロバットでダウンサイズしたデータサイズ。
余り小さくならない。


データは、以下の状態

社会科学の実験的アプローチオリジナル.pdf　504kb
社会科学の実験的アプローチ画像.pdf 471kb
社会科学の実験的アプローチ画像s.pdf 475kb
社会科学の実験的アプローチ画像非圧縮.pdf 500kb
社会科学の実験的アプローチ画像非圧縮s.pdf 504kb
社会科学の実験的アプローチ日本語クリアスキャン.pdf 406kb
社会科学の実験的アプローチ日本語クリアスキャンs.pdf 418kb



未加工状態のテキスト認識


-, t.&a < #t L),ffi *,fr,Xt t L. er, E #o)ffi# l:ffi /tLl ) Iv.) Eforffii/u/:60>'ebb. ao)trl),t:ll. *&7 dia L'-eE ml:dq&6at't*.t.L<fta[*Sl(experimentr, a'62F,v'f:ffi*,7frL.
= > t t'? o)Hfr;tH&BEtfEf€ L( fr a v'b@ b li:.zv-'tz') (eimulation) ,ag2F,v./:ffifr I Ht{1.rt<','6. t*-ell. tH6Ae)(, ao) 2.0)+*.tl*i< l*&7aE-rl LFrs: Lt:17.1"
;tt+. t1*f++ t: fi \'' < **7, a - + o) 6*fr.1 :. l,f 6. Lr.L, +t*il+4trn,c,trut, Er, c,0)+*tB\,1:ftlt*,a*.$.
v, < o)Ez'il lt, f iE t: fiir).-ba" tH, +S{,:zi.a-v-'t a v6

☆　クリアスキャン　


執筆者・翻訳者紹介 219
r I引則7近刊]を�!mされたい
はじめに 199
4 討 議 211

本物は. 実験アプローチに基づく新しい研究成果をまとめ, 日本の読者に紹 介しようという目的で編まれたものである。 このなかには. 実験ラポなどで実 附に被験者を対象にして行う「実験J (experiment)の手法を用いた研究7篇と.
1ンピュータの高速計算機能を駆使して行ういわゆる「シミュレーシヨンJ
近年. 社会科学において実験アプローチの重要性についての認識は. 急速に 刈占りつつある。 実際. 実験もシミュレーションも. 経済学や政治学をはじめ
いる。 しかし 社会科学全体からすれば. どちらの手法を用いた研究の数も.
iどそれほど多くはない。 とくに日本においては. 実験やシミュレーションに 1・ずさわる研究者の数はきわめて少数であり. こうしたアプローチに対する一 般の理解b 残念ながら進んでいるとはいえない状況にある。
-t':iIFに収められた各章は. 昨年(笈肪年)オランダで聞かれた国際会議で発
、"もかかわらず)社会科学においては方法省的にまったく異なる窓終をもっ手法である。 清水・i可
あとがき 217
執筆者・翻訳者紹介 219
r I引則7近刊]を�!mされたい
l はじめに 199
4 討 議 211
止する多くの分野で, 有効な分析手法として取り入れられるようになってきて
{首imulation)の手法を用いた研究l篇を収めている。 本骨では. 表題も含めて. 4の2つの手法を併せて「実験アプローチJと呼ぶことにする1。



☆　逆さまのフォントはそのまま


[隙]禁酒湖国.錨錨M
手 。会結乙ム鞠�



☆　検出可能な画像　非圧縮


序章 実験アプローチの台頭は何を物語るか
l 本書の目的と意義
河野勝
本物は.実験アプロ ーチに基づく新しい研究成果をまとめ,日本の読者に紹 介しようという目的で編 ま れたものである 。 このなかには.実験ラポなどで 実
附に被験者を対象にして行う「実験J (experiment) の手法を用いた研究 7篇と . 1 ン ピュータの高速計算機能を駆使して行ういわゆる「シミュレーシヨン J {首imulation) の手法を用いた研究 l 篇を収めている 。 本骨では.表題も含めて.
4 の 2 つの手法を併せて 「実験アプローチ J と呼ぶことにする 1。 近年.社会科学において実験アプローチの重要性についての認識は . 急速に 刈占りつつある 。実際.実験もシミュレーションも.経済学や政治学をは じめ 止する多くの分野で,有効な分析手法と して取り入れられるようになってきて
いる 。 しかし社会科学全体からすれば. どちらの手法を用いた研究の数も. i どそ れほど多くはない 。 とくに日本においては.実験やシミュレーション に 1・ずさ わる研究者の数はきわめて少数であり . こうしたアプローチに対する 一
般の理解 b 残念ながら進んでいるとはいえない状況にある 。 -t':iIFに収められた各章は .昨 年(笈肪年 ) オランダで聞かれた国際会議で発 1<~れた論文をもとに翻訳したものである 。 そのなかには.日本を代表する 実
I I・I!.し. r実験J と 「シミュレーションj とは. (1長者を 「擬似%験J として定幾する風潮が根強 、"もかかわらず) 社会科学においては方法省的にまったく 異なる窓終をもっ手法である。清水 ・ i可
r I引則7近刊]を~!mされたい







☆　検出可能な画像　



序章 実験アプローチの台頭は何を物語るか
l 本書の目的と意義
河野勝
+S • いウンズ・サャニラカルズムカアラア リン ,一チペ,C.モ一一プ
グナLゴvン-a ヨ'ヤロ•チノゼ
本物は.実験アプロ ーチに基づく新しい研究成果をまとめ,日本の読者に紹 介しようという目的で編 ま れたものである 。 このなかには.実験ラポなどで 実
附に被験者を対象にして行う「実験J (experiment) の手法を用いた研究 7篇と . 1 ン ピュータの高速計算機能を駆使して行ういわゆる「シミュレーシヨン J {首imulation) の手法を用いた研究 l 篇を収めている 。 本骨では.表題も含めて.
4 の 2 つの手法を併せて 「実験アプローチ J と呼ぶことにする 1。 近年.社会科学において実験アプローチの重要性についての認識は . 急速に 刈占りつつある 。実際.実験もシミュレーションも.経済学や政治学をは じめ 止する多くの分野で,有効な分析手法と して取り入れられるようになってきて
いる 。 しかし社会科学全体からすれば. どちらの手法を用いた研究の数も. i どそ れほど多くはない 。 とくに日本においては.実験やシミュレーション に 1・ずさ わる研究者の数はきわめて少数であり . こうしたアプローチに対する 一
般の理解 b 残念ながら進んでいるとはいえない状況にある 。 -t':iIFに収められた各章は .昨 年(笈肪年 ) オランダで聞かれた国際会議で発 1<~れた論文をもとに翻訳したものである 。 そのなかには.日本を代表する 実
I I・I!.し. r実験J と 「シミュレーションj とは. (1長者を 「擬似%験J として定幾する風潮が根強 、"もかかわらず) 社会科学においては方法省的にまったく 異なる窓終をもっ手法である。清水 ・ i可




ヤマケイの植物図鑑は難しい。。。
シオン属 ASler
i1\ソパコンギク
A.ageratoides ssp.angustifolius
〈車田:葉車甘菊〉 川1川l川Ii八j川;tに〆七える多 句4ドf汁今.小,. 与恭耳L茶勾は'川ω,百")さ0.5一 J九r働に るな-る。 !l!!(立-tJli剣形で. j長さ 8- 1 m '. rÞi,i l - I.5~;')(yjlイとは少数 っ
き. 凶作: ~~:l.5':"。 総包は 'I'..E:R}I'~で総包}',
3- 5~ 'の J)I'J状 長 ti'il'J 庁長一長崎円形でふちに 大きな鋸歯がまばらに ある。 ~j引とは[白:f壬2.5 Yほど。 活状花はj炎青 紫色で1列。 総主主は長
さ4.5- 5 九の半球形。 総も片は緑色で 3列, 背I而に毛がある。 そう よI!:は長さ 1.5- 3'"の 漏i平な 倒掛]状長 1'!'iPiJE至。
冠毛は長さ 4 -6 '"。
í!!。 ici(;(j:;':H1
{ま 1 似 ( 1'00 分布 本 U'I';'Íモ川J\!以 rl .j). j l q , )L
断瑚 8 -11Fl
@
1.
ノコンギク
A.auoralOides 5p.ovalus
!Iln1iH菊〉
II}J @
~-
分布 本, ト.ageratoides
1 瓜 )L
某は f;JB ざら ざらする。
sp.npensls 〈谷川 紺菊 〉 川岸の岩の!日1などに生 える多年平。主主はおさ 20-90~'になる 。 事~,立
6r,帆2-10九。 先 はとがり, ふちには銑; 歯があり, 質はややか たし 両Tflíに短毛が あ る 。 上 古1Iのま産l持iWr:3と なる。 liJHf.は直後2- 3Y, 総省片は 2 - 3 功J. 先はやや紫色 を41? ひ: 有毛。 舌4大花は長 さ 1.1- l. 3~'。 3 才白羽 8-11月 15 分布 本 〈紀伊半島).凶,九
ら ilJ.>~ {I',",\. さり日-.1 ;;.になり, )I!, ととらにli\1毛が井 ;生
して
.

☆　ただし、「作成」でダウンサイズしない方が、テキストの読み込みとしては変わらないけど、順番などは良い。
このダウンサイズは、データサイズが４分の1になった。逆に言えば、これでテキストだけは保護される方が良いとも言えるかもしれない。



ン属ASle r
i1\ソパコンギク
A. ageratoides
ssp. angustifolius
〈車田:葉車甘菊〉
1川川lIi川j八;t に〆七える多4句汁fド今. ，小.
与恭茶L耳勾は'ω"川百，) さ0. 5 一J r九働に
るな-る。!l!! (立-tJli剣形で.
j長さ8- 1 m ' . rÞi,i l I
. 5~ ;' () yjlイとは少数っ
き. 凶作: ~ ~ :l .5': " 。
総包は' I'. .E:R}I'~ で総包} '，
{ ま1 似1 . ici (; (j: ':; H 1 í!!。
( 1'00 ~ - I I }J @
分布本U'I ' ;'Íモ川J \!以
rl .j) . jlq , )L
ノコンギク
A. auoralOides
55p. ovalu s
!Iln1i H菊〉
らi lJ.> ~ { I'， "，\ . 某はf;JB
さり日- .1 ;;;. になり，
)I!， ととらにli\1毛が井;生
して. ざらざらする。
応はJ 長さ6 - 1 2 ~ ' . 申