# PDF OCR テキスト化

スキャンした英語PDFをブラウザー内でOCRし、認識結果をページごとに画面へ表示するアプリです。翻訳機能は含めず、結果をPLaMo拡張機能などに貼り付けて翻訳する使い方を想定しています。

## ローカルで使う

1. `start.bat` をダブルクリックします。Node.jsが必要です。
2. PDFを選び、「OCRを開始」を押します。
3. 初回は英語OCRモデルを自動ダウンロードします。PLaMoモデルはダウンロードしません。
4. OCR結果は処理中もページごとに画面へ追加されます。修正・コピーでき、TXTとして保存できます。

`index.html` を直接開くと、ブラウザーの制限によりPDF選択は使えません。必ず `start.bat` から起動してください。

## Cloudflare Pagesへ公開

公開用のファイルは `cloudflare-pages-upload.zip` です。CloudflareのWorkers & Pages画面からPagesのDirect Uploadを選び、ZIPをアップロードしてください。詳しくは `cloudflare-pages/README.md` を参照してください。

## データと注意点

- PDF本文、OCR結果、翻訳結果は閲覧者のブラウザー内で処理し、アプリのホスト先には送信しません。
- 初回表示時に外部CDNなどからJavaScriptとOCRモデルを取得します。モデル取得にはインターネット接続が必要です。
- PDF全体をメモリに読み込まず、ページ単位で処理します。大きなPDFは処理に時間がかかる場合があります。
- OCR行の並べ替えはページ全体の座標に基づくため、二段組や欄外注がある本では読み順を確認してください。