eDocArrangement2 / イードックアレンジメント2

深層学習OCRを使った文字読み取り(PDF,XDW)

概要

監視フォルダに格納されたスキャンした請求書（イメージのPDF・DocuWorks文書）を深層学習OCRで読み取り、取引先コード・請求金額・請求日を取得します。取得した値を文書属性に設定し、「請求書_取引先コード_請求日」のファイル名にして出力フォルダへ移動します。

10_入力
請求書_スキャン.pdf
請求書_スキャン.xdw
深層学習OCRで
読み取り
20_出力
請求書_10001_20250531.pdf
請求書_10001_20250531.xdw

文字の読み取りには、深層学習OCRの PaddleOCR を使います。DocuWorksのOCRは使わないので、DocuWorks Ver.9 のOCRの制限解除のライセンスは不要です。PDFだけを処理する場合は、DocuWorksのインストールも不要です。（Version 2.7.0から。64ビットのWindowsが必要です。深層学習 OCR について）

読み取る位置（領域）は、テキスト抽出支援ツールで、スキャンした文書の画像の上で選ぶだけで設定できます。帳票の種類が複数あっても、帳票毎の取得マクロを作成すれば対応できます。

テキストを持ったPDFから読み取る場合は、PDFのテキスト抽出と属性設定2 を御覧ください。マクロの形は同じで、PDF_EXTRACT_TEXT が PDF_OCR_TEXT に変わるだけです。

テキスト抽出支援ツール（OCR）で読み取り位置を決める

eDocArrangement2のメイン画面のツールメニューからテキスト抽出支援ツールを作成するときに、「読み方」を「OCR (画像から読む)」にします。ブラウザーで開くと、ページの画像の上に、深層学習OCRで読み取った文字のまとまりが赤枠で表示されます。

テキスト抽出支援ツール（OCR）でスキャンした請求書を開いた画面
スキャンした請求書（90_System\10_Tool\請求書_スキャン.pdf）から作成したテキスト抽出支援ツール

取り出したい文字の領域を選ぶと、OCRの設定（ツールを作成したときと同じ解像度）と PDF_OCR_TEXT（DocuWorks文書の場合は DW_OCR_TEXT）のマクロが生成されます。この設定例では、生成されたマクロに、次の処理を書き足しています。

  • 「御得意様コード（10001）」から数字だけを取り出す（REGEX_CAPTURE）。

  • 請求金額のカンマを削除する。

  • 取引先コードと請求日が読み取れなかった場合は、エラーフォルダへ分ける。

  • 移動するときのファイル名を作る（請求日は DATE_ADD で yyyyMMdd の形にする）。

マクロ PDF_CREATE_OCR_TOOL・DW_CREATE_OCR_TOOL でもテキスト抽出支援ツールを作成できます。OCRのマクロの詳細は PDF_OCR_TEXT・DW_OCR_TEXT を御覧ください。

処理の結果

サンプルの請求書（イメージのPDFとイメージのDocuWorks文書）を処理した結果です。

入力

出力

文書属性

請求書_スキャン.pdf

20_出力\請求書_10001_20250531.pdf

取引先コード：10001
請求金額：108432
請求日：2025/5/31

請求書_スキャン.xdw

20_出力\請求書_10001_20250531.xdw

取引先コード：10001
請求金額：108432
請求日：2025/5/31

取引先コードや請求日が読み取れなかった文書（白紙のページなど）は 30_エラー\読み取りエラー フォルダへ、開けない文書などのエラーは 30_エラー フォルダへ移動します。

読み取りには、1ページ（A4・300dpi）で1～2秒ほどかかります（パソコンの性能と、ページの文字の量によって変わります）。この設定例のように狭い領域を指定すると、領域の周りだけを読み取ります。弊社のPCでは、サンプルの2つの文書の処理（読み取り・文書属性の設定・移動）が約1.3秒で終わりました。

設定の前準備

C:\Homeの下に、以下のような構成でフォルダを作り、準備します。

フォルダ構成のダウンロード

深層学習OCR文字読み取り_フォルダ構成.zip

Cドライブのルートに解凍してください。

フォルダ構成は以下の通りです。

  • C:\Home\eDocArrangement2\Demo\深層学習OCR文字読み取り
    • 10_入力
      • 請求書_スキャン.pdf
      • 請求書_スキャン.xdw
    • 20_出力
    • 30_エラー
    • 90_System
      • 10_Tool
        • 請求書_スキャン.pdf
        • 請求書_スキャン.xdw
      • 90_Log

設定ファイル

以下のリンクから完成した設定をダウンロードしていただくことができます。

eDocArrangement2 設定ファイルのダウンロード

深層学習OCR文字読み取り_設定.zip

以下のフォルダに解凍すると設定が適用されます。

C:\Users\ユーザー名\AppData\Roaming\TechnoStyle\eDocArrangement2

スケジュール設定（10_入力フォルダを10秒間隔で監視して処理を実行する）も含まれています。90_System\10_Tool のサンプルは、テキスト抽出支援ツールの作成と、処理を試し直すときに使います。

グローバルデータ

グローバルデータとログの設定（共通設定）

グローバルデータの内容は以下の通りです。

名前

値

 
DemoTopFolder
 
C:\Home\eDocArrangement2\Demo

バッチ設定

バッチ設定一覧
深層学習OCR文字読み取り

スキャンした請求書(PDF・DocuWorks文書)を深層学習OCRで読み取り、取引先コード・請求金額・請求日を文書属性に設定して、ファイル名に付けて移動します。

ログ設定

共通ログ設定の内容でログを出力する。

処理一覧
  • ファイルの繰り返し1
    Loop File

メイン画面のファイルリストを対象に繰り返し処理を行う。

ループ毎にユーザーデータをクリアする。

  • PDFかDocuWorks文書か
    If

以下の条件を判定して処理を分岐する。

{%IF({%TO_LOWER({%GET(Extension)})}=.pdf,True,False)}
  • PDFの場合
    If Then
  • PDF OCR読み取り
    Macro Execute

以下のマクロを実行する。

#判定を初期化
{%SET_U(wk,結果,True)}

#PDFファイルをオープン
{%PDF_OPEN({%GET(FullPathFileName)})}

# 座標領域を設定
{%SET_U(領域指定,Page,All,取引先コード,X,22.5)}
{%SET_U(領域指定,Page,All,取引先コード,Y,11.8)}
{%SET_U(領域指定,Page,All,取引先コード,BottomRightX,58.5)}
{%SET_U(領域指定,Page,All,取引先コード,BottomRightY,18.3)}
{%SET_U(領域指定,Page,All,請求金額,X,139.9)}
{%SET_U(領域指定,Page,All,請求金額,Y,69.47)}
{%SET_U(領域指定,Page,All,請求金額,BottomRightX,168.25)}
{%SET_U(領域指定,Page,All,請求金額,BottomRightY,74.47)}
{%SET_U(領域指定,Page,All,請求日,X,244.41)}
{%SET_U(領域指定,Page,All,請求日,Y,12.58)}
{%SET_U(領域指定,Page,All,請求日,BottomRightX,262.02)}
{%SET_U(領域指定,Page,All,請求日,BottomRightY,18.14)}

# OCRの設定 (テキスト抽出支援ツールを作ったときと同じ解像度で読む)
{%SET_U(OCR設定,Dpi,300)}

# PDF OCRテキスト抽出
{%PDF_OCR_TEXT(1,抽出データ,領域指定,OCR設定)}

# テキストを取得
{%SET_U(属性,取引先コード,{%JOIN(抽出データ,Pages,1,Rect,取引先コード,Texts, )})}

#「御得意様コード（10001）」の数字だけを取得
{%SET_U(属性,取引先コード,{%REGEX_CAPTURE((\d+),{%GET_U(属性,取引先コード)})})}
{%PDF_SET_DOCUMENT_ATTRIBUTE(取引先コード,{%GET_U(属性,取引先コード)})}
{%SET_U(属性,請求金額,{%JOIN(抽出データ,Pages,1,Rect,請求金額,Texts, )})}

#カンマを削除
{%SET_U(属性,請求金額,{%REPLACE({%GET_U(属性,請求金額)},|,,)})}
{%PDF_SET_DOCUMENT_ATTRIBUTE(請求金額,{%GET_U(属性,請求金額)})}
{%SET_U(属性,請求日,{%JOIN(抽出データ,Pages,1,Rect,請求日,Texts, )})}
{%PDF_SET_DOCUMENT_ATTRIBUTE(請求日,{%GET_U(属性,請求日)})}

#取引先コードと請求日が読み取れなければ業務エラー
{%IF({%GET_U(属性,取引先コード)}=,
  {%SET_U(wk,結果,False)}
,)}
{%IF({%IS_DATE({%GET_U(属性,請求日)})}=False,
  {%SET_U(wk,結果,False)}
,)}

#クローズ
{%PDF_CLOSE()}

#移動するときのファイル名 (請求書_取引先コード_請求日)
{%IF({%GET_U(wk,結果)}=True,
  {%SET_U(work,ファイル名,請求書_{%GET_U(属性,取引先コード)}_{%DATE_ADD({%GET_U(属性,請求日)},yyyyMMdd)}{%GET(Extension)})}
,)}
  • DocuWorks文書の場合
    If Else
  • XDW文書オープン1
    Open DocuWorks File

DocuWorksファイル「{%GET(FullPathFileName)}」を読み書き可能でオープンする。

  • XDW OCR読み取り
    Macro Execute

以下のマクロを実行する。

#判定を初期化
{%SET_U(wk,結果,True)}

# 座標領域を設定
{%SET_U(領域指定,Page,All,取引先コード,X,22.5)}
{%SET_U(領域指定,Page,All,取引先コード,Y,11.8)}
{%SET_U(領域指定,Page,All,取引先コード,BottomRightX,58.5)}
{%SET_U(領域指定,Page,All,取引先コード,BottomRightY,18.3)}
{%SET_U(領域指定,Page,All,請求金額,X,139.9)}
{%SET_U(領域指定,Page,All,請求金額,Y,69.47)}
{%SET_U(領域指定,Page,All,請求金額,BottomRightX,168.25)}
{%SET_U(領域指定,Page,All,請求金額,BottomRightY,74.47)}
{%SET_U(領域指定,Page,All,請求日,X,244.41)}
{%SET_U(領域指定,Page,All,請求日,Y,12.58)}
{%SET_U(領域指定,Page,All,請求日,BottomRightX,262.02)}
{%SET_U(領域指定,Page,All,請求日,BottomRightY,18.14)}

# OCRの設定 (テキスト抽出支援ツールを作ったときと同じ解像度で読む)
{%SET_U(OCR設定,Dpi,300)}

# XDW OCRテキスト抽出
{%DW_OCR_TEXT(XDW文書オープン1,1,抽出データ,領域指定,OCR設定)}

# テキストを取得
{%SET_U(属性,取引先コード,{%JOIN(抽出データ,Pages,1,Rect,取引先コード,Texts, )})}

#「御得意様コード（10001）」の数字だけを取得
{%SET_U(属性,取引先コード,{%REGEX_CAPTURE((\d+),{%GET_U(属性,取引先コード)})})}
{%DW_SET_DOCUMENT_ATTRIBUTE(XDW文書オープン1,取引先コード,{%GET_U(属性,取引先コード)})}
{%SET_U(属性,請求金額,{%JOIN(抽出データ,Pages,1,Rect,請求金額,Texts, )})}

#カンマを削除
{%SET_U(属性,請求金額,{%REPLACE({%GET_U(属性,請求金額)},|,,)})}
{%DW_SET_DOCUMENT_ATTRIBUTE(XDW文書オープン1,請求金額,{%GET_U(属性,請求金額)})}
{%SET_U(属性,請求日,{%JOIN(抽出データ,Pages,1,Rect,請求日,Texts, )})}
{%DW_SET_DOCUMENT_ATTRIBUTE(XDW文書オープン1,請求日,{%GET_U(属性,請求日)})}

#取引先コードと請求日が読み取れなければ業務エラー
{%IF({%GET_U(属性,取引先コード)}=,
  {%SET_U(wk,結果,False)}
,)}
{%IF({%IS_DATE({%GET_U(属性,請求日)})}=False,
  {%SET_U(wk,結果,False)}
,)}

#移動するときのファイル名 (請求書_取引先コード_請求日)
{%IF({%GET_U(wk,結果)}=True,
  {%SET_U(work,ファイル名,請求書_{%GET_U(属性,取引先コード)}_{%DATE_ADD({%GET_U(属性,請求日)},yyyyMMdd)}{%GET(Extension)})}
,)}
  • XDW文書クローズ1
    Close DocuWorks File

「XDW文書オープン1」でオープンされた文書をクローズする。クローズ前に文書を保存する。

  • エラーの判定
    If

以下の条件を判定して処理を分岐する。

処理階層内のエラー回数が0回。

  • エラーなし
    If Then
  • 読み取り結果の判定
    If

以下の条件を判定して処理を分岐する。

{%GET_U(wk,結果)}
  • 読み取れた場合
    If Then
  • 出力フォルダへ移動
    Move File

文書を以下の通り移動する。

移動元

{%GET(FullPathFileName)}

移動先

{%GET_G(DemoTopFolder)}\{%GET(SettingName)}\20_出力

ファイル名を「{%GET_U(work,ファイル名)}」に変更する。

移動先に同名の文書がある場合は、ファイル名に連番を付与する。

コピー後に削除を行う。

  • 読み取れなかった場合
    If Else
  • 読み取れない文書をエラーフォルダへ移動
    Move File

文書を以下の通り移動する。

移動元

{%GET(FullPathFileName)}

移動先

{%GET_G(DemoTopFolder)}\{%GET(SettingName)}\30_エラー\読み取りエラー

移動先に同名の文書がある場合は、ファイル名に連番を付与する。

コピー後に削除を行う。

  • エラーあり
    If Else
  • エラーフォルダへ移動
    Move File

文書を以下の通り移動する。

移動元

{%GET(FullPathFileName)}

移動先

{%GET_G(DemoTopFolder)}\{%GET(SettingName)}\30_エラー

移動先に同名の文書がある場合は、ファイル名に連番を付与する。

コピー後に削除を行う。

▲