スクリーンショットの文字をコピー

スクリーンショットが写真よりよく読み取れる理由

文字認識にとって、スクリーンショットは最も簡単な対象です。文字はファイルを保存したのと同じ機械で描かれているので、完全に鮮明で、完全に水平で、明るさも均一、きれいな書体と一定の間隔で表示されています。写真の読み取りで問題になるぼやけ、傾き、影、明るさのむら、紙の質感、カメラのノイズは、いっさい存在しません。良いスクリーンショットでの精度は良いスキャンよりはるかに高く、スマホで画面を撮った写真と比べればさらに高くなります。

解像度がすべてであり、あなたが唯一コントロールできる要素です。確実に読み取るには1文字におよそ16ピクセルの高さが必要で、約8ピクセルを下回ると、再現できるだけの細部がそもそもありません。あとから拡大しても、撮影時に記録されなかった情報は増えません。高密度ディスプレイで撮ったスクリーンショットは見事に読み取れますが、同じものを文書に合わせて縮小すると読み取りにくくなります。原寸で撮影し、縮小ではなくトリミングを使い、スクリーンショットをさらにスクリーンショットするのはやめましょう。

同じ理由で、形式は写真の場合より重要です。PNGは輪郭を描かれたとおりに正確に保ちますが、JPEGは保ちません。JPEGの圧縮はコントラストの高い輪郭の周りにノイズを生じさせ、無地の背景の文字はまさにコントラストの高い輪郭の塊です。小さな文字のJPEGスクリーンショットは、同じ内容のPNGよりはっきりと読み取りにくくなることがあります。スクリーンショットツールで形式を選べるなら、PNGが正解です。

それでも読み取れないのは、もともと文字として読まれることを想定していない文字です。ごちゃごちゃした写真の上の文字、白地に薄いグレー、装飾的な書体や長体の見出し書体、コントラストが反転して低くなったダークモードの画面などです。どの場合も、結果はプレーンテキストです。書体、色、太字、斜体、レイアウトは引き継がれません。出力されるのは画面のコピーではなく、文字だけだからです。

ほかの目的には

お使いのOSのほうが、もっと上手に一瞬でできるかもしれません。macOSのテキスト認識表示なら、プレビュー、写真、クイックルックで、どの画像の文字も変換なしで直接選択できます。Windows PowerToysのText Extractorはキーボードショートカットで画面上のどこからでも文字を取り出せ、AndroidではGoogle Lensが同じことをしてくれます。一度きりの取り出しなら、どのWebページよりこちらが速いでしょう。

コードのスクリーンショットについては、文字認識はそもそも間違ったアプローチだと言っておくべきでしょう。最も重要な文字、つまり括弧、引用符、パイプ、l・1・Iや0・Oの違いは、まさに最も混同されやすい文字です。そしてコードでは、1文字の間違いは誤字ではなくバグになります。可能な限り元のソースを探してください。修正するより打ち直すほうが確実です。