ken_nogi/PythonProj/ScanOCR

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、"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. 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）

フォルダ構成

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/

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。

python build/build_package.py

開発者向け（テスト実行）

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。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