テキストレイヤー
定義
文書内に視覚的外観と共に保存されている機械可読テキストです。検索とテキスト選択を可能にするものであり、スキャンされたページに正確に欠けているものです。
デジタルで作成されたPDFは、各グリフの描画とそのグリフが表す文字の記録の両方を保持しています。検索が機能するのは、2番目の情報が存在するからです。スキャンされたページは画像だけを保持しており、視覚的には同じですが機能的には無効です。
これは文書検索プロジェクトで最も一般的な混乱の原因です。「これらのファイルでは検索が機能しない」はほとんどの場合「これらのファイルはスキャンされた」という意味であり、検索エンジンの調整だけでは解決できません。解決策はOCRであり、これは別の、かなりコストのかかる作業です。
Office形式は簡単なケースです。DOCXやXLSXは構造化されたテキストであるため、テキストレイヤーが存在しないという問題は起こりません。
Doconutで
全文検索はテキストレイヤーに対して実行され、有料のAdvancedSearchプラグインによって提供されます。文書にテキストレイヤーがない場合、正しく表示されますが検索ヒットは返されません。