ホームページのPDFが検索できない問題と、全文検索で解決する方法

はじめに

「ホームページに載せたはずの資料が、サイト内検索で出てこない」「住民から『あの計画書はどこにありますか』と電話で聞かれる」。自治体の広報や情報公開の担当者から、よく聞く悩みです。

自治体のホームページには、計画書・報告書・会議録・広報誌など、大量のPDFが掲載されています。しかし、掲載しているだけでは、中身まで検索できるとは限りません。

この記事では、ホームページのPDFが検索できない原因と、文字起こし（OCR）と全文検索で解決する方法、仕組みを選ぶときのポイントをまとめました。

1. なぜホームページのPDFは検索できないのか

PDFが検索で見つからない原因は、主に次の3つです。1つでも当てはまると、中身までは検索できません。

原因① スキャンしたPDFに文字データがない

紙の資料をスキャナーや複合機でPDFにした場合、そのPDFは「文字の写った画像」です。人が見れば読めますが、パソコンにとっては文字ではなく写真と同じです。古い計画書や会議録、決裁済みの文書などに多く見られます。

簡単な見分け方は、PDFを開いて文字をドラッグできるかを試すことです。文字を選択できなければ、画像のPDFです。

原因② サイト内検索がPDFの中身まで対象にしていない

ホームページのサイト内検索は、仕組みによってはWebページの本文やPDFのファイル名だけを検索するものがあります。この場合、PDFの中に書かれた言葉では、文字データがあってもヒットしません。

原因③ PDFが各課のページに分散している

PDFは、担当課ごとのページに追加されていくのが一般的です。そのため、住民は「どの課のどのページにあるか」を知らないと、目的の資料にたどり着けません。組織改編でページが移動し、リンク切れになることもあります。

なお、文字データのあるPDFは、Googleなどの検索エンジンが中身を読み取ることがあります。ただし、どの資料が検索結果に出るかは検索エンジン次第で、自治体側ではコントロールできません。

2. 検索できないことで起きる問題

PDFが検索できないと、「公開しているのに、実際には届いていない」状態になります。その影響は、住民と職員の両方に出ます。

対象	起きる問題
住民	計画書や会議録の中身をキーワードで探せず、PDFを一つずつ開いて確認することになる
住民	資料が見つからず、電話や窓口で問い合わせるしかない
職員	「あの資料はどこにあるか」という問い合わせに、その都度対応する
職員	過去の答弁や他課の計画を参照したいとき、庁内でも探すのに時間がかかる
職員	情報公開請求で「すでに公開している資料」を請求され、対応の手間が増える

特に会議録や計画書はページ数が多く、目的の記述がどのページにあるかを探すだけでも大きな負担です。

3. 解決の考え方：文字起こし（OCR）＋全文検索

解決には、「PDFを文字データにする」と「その文字をまとめて検索できるようにする」の2段階が必要です。

ステップ1：文字起こし（OCR）で画像を文字にする

OCR（光学文字認識）は、画像に写った文字を読み取って、テキストデータに変換する技術です。スキャンしたPDFも、OCRをかければ中身を検索できるようになります。

近年はAIを使ったOCRの精度が上がり、表や縦書き、手書き文字もある程度読み取れるようになっています。

ステップ2：全文検索でまとめて検索する

全文検索は、文書のタイトルだけでなく、本文に書かれたすべての言葉を検索の対象にする仕組みです。各課のページに分散していたPDFを1か所に集めて登録すれば、「どの課の資料か」を知らなくてもキーワードで探せます。

	これまで	OCR＋全文検索
検索できる範囲	ページの本文・ファイル名のみ	PDFの本文すべて
スキャンPDF	検索できない	文字起こしで検索できる
資料の場所	各課のページに分散	1か所に集約
探し方	課→ページ→PDFを開いて確認	キーワードで直接探す

4. 全文検索の仕組みを選ぶときの5つのポイント

「全文検索できる」と書かれていても、使いやすさは仕組みによって大きく違います。デモやトライアルで、実際の資料を使って確かめるのが確実です。

1. スキャンPDFを自動で文字起こしできるか
   • アップロードするだけでOCRがかかるか、事前に別のソフトで処理する必要があるかを確認する
   • 古い資料や手書きの資料で、どの程度読み取れるかも試す
2. 表記ゆれを吸収できるか
   • 「こども」「子ども」「子供」のような書き方の違いや、ひらがな・カタカナでもヒットするか
   • 住民は行政用語どおりに検索するとは限らないため、大切なポイントです
3. 該当ページに直接移動できるか
   • 100ページを超える計画書でも、キーワードが載っているページを開けるか
4. 絞り込みや検索対象の切替ができるか
   • 年度・所管課・カテゴリで絞り込めるか
   • 「件名のみ」と「本文まで」を切り替えられると、ヒット数が多すぎるときに便利です
5. 登録と更新が職員の負担にならないか
   • 既存のPDFをまとめて登録できるか、異動後の職員でも迷わず操作できるか
   • 公開期限のある資料を自動で非公開にできるか

5. 導入時の注意点

文字起こしと全文検索は便利な一方で、「文字を読めるようにする」ことに伴う注意点もあります。

注意点	内容	対応
OCRの誤認識	印刷がかすれた資料や特殊な字体では、読み取りを間違えることがある	検索で見つけやすくするための補助と考え、原本のPDFもあわせて公開する
黒塗りのある文書	黒塗りの下に文字が残っていると、検索で拾われてしまう	公開前に墨消し漏れを確認し、必要に応じて文字データを除去する
個人情報	検索できるようになると、文書中の氏名や連絡先も探しやすくなる	公開前に個人情報が含まれていないかを点検する
古い資料の公開範囲	全件を一度に登録しようとすると、点検が追いつかない	閲覧の多い資料や新しい資料から段階的に登録する

特に黒塗り文書は、「検索できるようにしたことで、隠したはずの文字が見つかりやすくなる」という逆効果になりかねません。確認方法はPDFの黒塗りは本当に消えている？で詳しく解説しています。

まとめ

ホームページのPDFを検索できるようにするために押さえておきたいのは、次の3点です。

1. 検索できない原因は、画像PDF・サイト内検索の範囲・資料の分散の3つ
2. 文字起こし（OCR）で文字データにし、全文検索でまとめて探せるようにする
3. 検索できるようになる分、黒塗りや個人情報の点検を公開前に行う

「公開している」だけでなく「見つけられる」状態にすることで、住民は必要な情報にたどり着きやすくなり、職員の問い合わせ対応も減らせます。

保有している文書の一覧を公開したい場合は、文書目録をWeb公開するメリットと手順もあわせてご覧ください。

---

PDFをアップロードするだけで、本文まで検索できる

地方自治体向け情報公開プラットフォーム「JooHoo」では、PDFをアップロードするとAIが自動で文字起こしを行い、文書の本文まで検索できるようになります。

• AIによる自動文字起こし：スキャンした書類や手書き文字にも対応し、バックグラウンドで自動処理します
• 表記ゆれを吸収する検索：読み仮名検索で、ひらがな・カタカナ・表記ゆれを吸収します
• 該当ページへ直接ジャンプ：キーワードが載っているPDFのページをそのまま開けます
• 絞り込みと検索対象の切替：カテゴリ・タグ・所管課・年度での絞り込みや、「件名のみ／本文まで」の切替ができます
• 公開前の個人情報チェック：文字起こしした内容をAIが点検し、黒塗りの下に残った文字や個人情報の候補を公開前に警告します

無料トライアルを申し込む

導入を検討中の方には、予算要求に使える資料一式を無料で配布しています。
予算要求キットをダウンロードする（無料）