PDF OCR — 高解像度でレンダリングして高精度テキスト化（ブラウザ内）

操作方法

1. PDFを選択：PDFを選択（ローカル .pdf）。
2. 言語を選ぶ：日本語 (jpn) / 英語 (eng) / 日本語+英語 (jpn+eng)。
3. DPIを設定：150 / 200 / 300（高いほど精度↑・処理時間/メモリ↑）。
4. ページ範囲（任意）：1-3,7 のように1始まり・カンマ区切り・両端含む。空欄＝全ページ。
5. OCR開始：OCR開始をクリック。進捗は上部ログに表示。
6. 結果保存：TXT保存で pdf-ocr.txt をダウンロード（ページ番号付きプレーンテキスト）。

成果物（得られるもの）

• 指定ページのテキスト抽出結果（.txt）
• 各ページのレンダリング画像プレビュー＋先頭800文字の抜粋
• ログ（総ページ数／対象ページ数／進行状況／完了通知）

注意点

• 完全クライアントサイド：PDFはアップロードされません。
• 外部ライブラリ依存：CDNから pdf.js 3.11.174 と tesseract.js 5.0.4 を読み込みます。オフラインやCSPでCDN禁止の場合は動きません。
• 精度のコツ：
  • DPIは200–300推奨、原稿が小さい/細字/写真埋め込みなら300。
  • 画質が悪い/傾き/余白が多いと誤認識が増えます（事前にスキャン品質を改善）。
• 日本語レイアウト：縦書きやルビ、段組はレイアウトを保持しません（行順や改行が乱れる場合あり）。
• 未対応/制約：
  • パスワード保護PDFは未対応（パスワード入力UIなし）。
  • 画像・数式・図表は文字化されません（画像中の文字はOCR対象）。
  • 長大/高解像度PDFはブラウザメモリで失敗することがあります（範囲分割がおすすめ）。
• ランタイム初回遅延：言語モデルの初回読み込みで時間がかかる場合があります（ブラウザキャッシュ後は短縮）。
• Shadow DOM隔離：ページ側のCSS/JSはウィジェット内部に干渉しません。