ForHosting KIT · OCR・データ化

そのPDF、スキャン画像か検索可能か判定

PDFの各ページが、文字情報を持たず画像として保存されたスキャンデータか、そのまま検索・コピーできるテキスト入りかを判定する機能です。OCR処理が必要かどうかを事前に確認したいときに使います。

● 安定提供中文書あたり$0.002

ご利用方法ウェブAPIメールアプリ近日Telegram 近日

オンラインで実行

アカウントでログインし、当社のサーバー上で実行します。無料ツールはブラウザ内で動作しますが、これは上記の料金がKIT残高から差し引かれます。

見た目では区別がつかない2種類のPDF

PDFには、文字情報を持たずページ全体が画像として保存された「スキャンPDF」と、文字がそのまま検索・コピーできる「テキストPDF」があります。見た目はほぼ同じでも扱い方は大きく異なります。この機能はページ単位で判定し、どちらの形式かを返します。

OCRが必要かどうかを先に確認

スキャンPDFのままでは文字を検索したりコピーしたりできません。まとめて受け取った大量のPDFのうち、どれがスキャンPDFでOCR処理が必要かを先に判定しておくと、後工程の処理を効率よく振り分けられます。

電子帳簿保存法の要件確認にも

電子帳簿保存法では、保存する書類が日付・金額・取引先で検索できる状態であることが求められる場合があります。保存前のPDFがすでに検索可能な状態かどうかを、この機能でまとめて確認できます。

料金と実行方法

1回の判定につき$0.002です（米ドル）。ページ単位の従量課金はなく、書類1件ごとの定額です。このページから直接実行できるほか、保存前の一括チェックにはAPIからの利用も対応しています。

活用例

大量のPDFをOCR対象と仕分ける

有限会社ささき印刷は、受け取った大量のPDFのうちスキャンPDFだけを判定し、OCR処理が必要な書類を絞り込んでいます。

保存前の検索可能性を確認

合同会社みどりデザインは、電子帳簿保存法に沿って保存する前に、PDFがすでに検索可能な状態かどうかを確認しています。

取り込みフローの分岐に使う

山本翔太は、届いたPDFの種類を判定し、テキストPDFはそのまま保存、スキャンPDFはOCR処理に回すという流れを自動化しています。

よくある質問

判定に使ったPDFはどこかに保存されますか？

判定のためだけに一時的に使用し、完了後は削除します。内容の保管は行いません。

判定結果はページ単位ですか、それとも1ファイル全体ですか？

ページ単位で判定し、その集計として書類全体の傾向も確認できます。

一部だけスキャン画像のPDFはどうなりますか？

ページごとの判定結果が返るため、どのページがスキャン画像でどのページがテキストかを個別に確認できます。

対応するファイルサイズやページ数は？

1件あたり25MBまで、ページ数は10ページまでを上限としています。

料金はどうやって支払いますか？

料金は米ドル建てで、PayPalによる都度払いです。月額契約はありません。

日本語でのサポート窓口はありますか？

サポートは英語・スペイン語のみの対応となっており、日本語での個別対応は行っておりません。

開発者向け — APIアクセス

このページの機能はすべてAPIからも利用できます。自社システムに組み込みたいチーム向けのセクションです。それ以外の方は上のツールをそのままお使いください。

エンドポイント

POSThttps://api.kit.forhosting.com/ocr/scanned-or-native

Bearerトークンで認証し、POST1回でタスクをキューに登録します。結果はWebhookまたは署名付きリンクで受け取れます。

お使いのスタックから呼び出す

curl -X POST https://api.kit.forhosting.com/ocr/scanned-or-native \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d &#39;{"input":"…"}'

const res = await fetch("https://api.kit.forhosting.com/ocr/scanned-or-native", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "input": "…"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/ocr/scanned-or-native",
    headers={"Authorization": f"Bearer {os.environ[&#39;KIT_KEY']}"},
    json={
    "input": "…"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/ocr/scanned-or-native", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => &#39;{"input":"…"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"input":"…"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/ocr/scanned-or-native", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

リクエスト例

{
  "input": "…"
}

レスポンス例

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "ocr.scanned_or_native",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

非同期APIです。task_idは即時に返ります。ポーリングは1秒あたり1リクエストまでです。

料金

1リクエストあたり$0.002

単価はすべて公開しています。トークン換算や独自クレジットはありません。失敗したタスクは課金されません。

制限

`max_mb`	25
`max_pages`	10

エラー

HTTP	コード	意味
`401`	`unauthorized`	APIキーが無効か、指定されていません。Authorizationヘッダーを確認してください。
`402`	`insufficient_balance`	残高が不足しています。チャージ後に再度お試しください。
`404`	`unknown_type`	指定されたタスクタイプは存在しません。タイプ名を確認してください。
`429`	`rate_limited`	リクエストが多すぎます。しばらく待ってから再度お試しください。
`413`	`input_too_large`	入力データが上限を超えています。サイズを小さくして再度お試しください。

KITの完全なドキュメントを見る →