docs: config.txt雛形とREADMEを新運用フローに合わせて更新

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>

PythonProj/ScanOCR/README.md

@@ -1,59 +1,66 @@
-# PDF氏名・日付抽出＆リネームツール
+# PDFスキャン監視・自動振り分けツール
 
-テンプレート画像（赤枠＝氏名欄、青枠＝日付欄）を基準に、対象フォルダ内のPDFから
-氏名・日付をOCRで抽出し、リネーム・振り分けを行うスクリプトです。
-
-## セットアップ
-
-```bash
-pip install opencv-python pdf2image pytesseract pillow numpy
-```
-
-システムに以下が必要です（Ubuntu/Debianの例）:
-```bash
-sudo apt-get install tesseract-ocr tesseract-ocr-jpn poppler-utils
-```
+テンプレート画像（赤枠＝氏名欄、青枠＝日付欄）を基準に、"スキャン"フォルダ内のPDFから
+氏名・日付をOCRで抽出し、リネーム・振り分けを行うツールです。
 
 ## 使い方
 
-1. テンプレート画像を用意する
-   - 実際の書類（1枚）をスキャン、または元PDFをそのまま画像化
-   - 画像編集ソフトなどで、氏名が書かれている位置に赤い四角枠、日付が書かれている位置に青い四角枠を重ねて保存（PNG推奨）
-   - **重要**: テンプレートは実際の対象PDFと同じ用紙サイズ・向きで作成してください（比率で位置を計算するため、多少の解像度差は自動補正されます）
+1. `config.txt` で各フォルダ名・動作パラメータを確認（通常は初期値のまま利用可）
+2. `テンプレート/` フォルダにテンプレート画像を1つ入れる（複数ある場合はファイル名が最も早いもの）
+   - 画像編集ソフト等で、氏名欄に赤い四角枠、日付欄に青い四角枠を重ねて保存（PNG推奨）
+   - テンプレートは実際の対象PDFと同じ用紙サイズ・向きで作成すること
+3. `スキャン/` フォルダに処理対象PDFを入れる
+4. `OCR仕分け実行.bat` をダブルクリック
+5. 処理結果は以下に振り分けられる:
+   - 成功: `アウトプット/氏名/氏名_YYYYMMDD.pdf` にコピー、元ファイルは `成功/` へ移動
+   - 失敗: `失敗/` フォルダへ元ファイルのまま移動
+6. 実行ログは `ログ/YYYY-MM-DD.log` に記録される
+7. 処理を途中で止めたい場合は、コンソールが表示されている間に何かキーを押す（1件処理する度にチェックされる）
 
-2. フォルダを準備する
-   - `input/`  … 処理対象のPDFを入れる
-   - `output/` … 成功時、氏名ごとのサブフォルダに `YYYYMMDD_氏名.pdf` として保存される
-   - `failed/` … 抽出に失敗したPDFがそのまま退避される（要目視確認）
+## フォルダ構成
 
-3. 実行する
-
-```bash
-python extract_and_rename.py \
-  --template template.png \
-  --input ./input \
-  --output ./output \
-  --failed ./failed \
-  --margin 0.10
+```
+ScanOCR/
+├── OCR仕分け実行.bat       起動バッチ
+├── config.txt              フォルダ名・動作パラメータ設定（必須ファイル）
+├── スクリプト/
+│   ├── extract_and_rename.py   メイン処理
+│   ├── box_detector.py         テンプレート枠検出
+│   ├── config_loader.py        config.txt読込
+│   ├── file_ops.py             ファイル名衝突回避コピー・移動、安定待ち
+│   ├── lock_manager.py         二重起動防止ロック
+│   ├── logger.py               実行ログ出力
+│   ├── python/                 Python embeddable本体（配布パッケージのみ）
+│   └── tools/                  tesseract-ocr・poppler（配布パッケージのみ）
+├── テンプレート/
+├── スキャン/
+├── アウトプット/
+├── 成功/
+├── 失敗/
+└── ログ/
 ```
 
-`--margin` は枠位置の許容誤差率です。0.10 = 上下左右に枠の幅・高さの10%分だけ
-広げた範囲までOCR対象とします（スキャン時の位置ズレ対策）。
+## 開発者向け（配布パッケージのビルド）
+
+配布用の同梱Python・tesseract・popplerは `build/build_package.py` で自動生成します。
+`dist/ScanOCR/` 配下に配布用一式が生成されます。ネットワーク接続必須、7-Zip（`7z`コマンド）が
+PATHに通っている必要があります。実行には数分〜数十分かかります。
+
+```bash
+python build/build_package.py
+```
+
+## 開発者向け（テスト実行）
+
+```bash
+python -m pip install pytest
+python -m pytest スクリプト/tests -v
+```
 
 ## 注意点
 
-- OCRは完璧ではありません。特に手書きに近い字体、かすれ、低解像度スキャンでは
-  誤読が発生します。`output/` の結果は初回運用時に必ず目視確認してください。
-- 日付の年が2桁（例: 26/08/02）の場合、スクリプトは "20XX年" と仮定して補完します。
-  昭和・平成表記など和暦が使われる書類の場合は `clean_date()` 関数の調整が必要です。
-- 複数ページPDFの場合、現在は1ページ目のみを対象にしています。
-- 氏名に同姓同名がいる場合や、同じ氏名で複数回書類が発行される場合、ファイル名の
-  衝突は自動的に連番（_1, _2...）で回避されます。
-- テンプレートで検出される枠は「最大面積の赤/青矩形」を採用しています。枠線以外に
-  赤・青の要素（ロゴなど）がテンプレート内にあると誤検出する可能性があるため、
-  テンプレートはできるだけシンプルな見た目にしてください。
-
-## ファイル構成
-
-- `box_detector.py` … テンプレートから赤枠・青枠の位置を検出するモジュール
-- `extract_and_rename.py` … メイン処理（OCR抽出・リネーム・移動）
+- OCRは完璧ではありません。運用初期は `アウトプット/` の結果を必ず目視確認してください
+- 日付の年が2桁の場合は "20XX年" と仮定して補完します。和暦は非対応です
+- 複数ページPDFは1ページ目のみ対象です
+- ファイル名衝突時は `氏名_YYYYMMDD(2).pdf` のように連番が付与されます
+- `config.txt` は必須ファイルです。存在しない場合は起動時にエラーになります

PythonProj/ScanOCR/config.txt

@@ -0,0 +1,11 @@
+スクリプトフォルダ=スクリプト
+テンプレートフォルダ=テンプレート
+スキャンフォルダ=スキャン
+アウトプットフォルダ=アウトプット
+成功フォルダ=成功
+失敗フォルダ=失敗
+ログフォルダ=ログ
+margin=0.10
+DPI=300
+ファイル安定待ち秒=1
+ファイル安定待ちリトライ回数=5