---
title: "OCR 出力フォルダーにはどのようなファイルが生成されますか？"
description: "出力ファイルの命名規則とディレクトリ構造、埋め込み画像の保存先、そして各 Markdown ファイル冒頭の YAML フロントマターの全フィールド"
canonical_url: "https://docs.ardge.com/ja/knowledge/precisemd/ocr-output-files"
---
# OCR 出力フォルダーにはどのようなファイルが生成されますか？

> 出力ファイルの命名規則とディレクトリ構造、埋め込み画像の保存先、そして各 Markdown ファイル冒頭の YAML フロントマターの全フィールド

## 結論

OCR タスクは、ソースドキュメントの 1 ページごとに Markdown ファイルとページ画像を 1 つずつ生成します。ファイル名はソースファイル名を接頭辞とし、3 桁のページ番号が付きます。ページ内に埋め込まれた画像は、同じ場所の `imgs/` フォルダーに保存されます。すべての Markdown ファイルの冒頭には、ソースファイル、ページ番号、処理時刻、コンテンツハッシュを記録した YAML フロントマターブロックがあります。

## 詳細

### 命名規則

出力ファイル名はソースファイル名を接頭辞とし、拡張子のドットはアンダースコアに置き換えられます。ソースが `report.pdf` の場合、接頭辞は `report_pdf` になります。

<table>
<thead>
  <tr>
    <th>
      ソース
    </th>
    
    <th>
      出力
    </th>
  </tr>
</thead>

<tbody>
  <tr>
    <td>
      <code>
        report.pdf
      </code>
      
       の 1 ページ目
    </td>
    
    <td>
      <code>
        report_pdf_page_001.md
      </code>
      
      、<code>
        report_pdf_page_001.jpg
      </code>
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        report.pdf
      </code>
      
       の 12 ページ目
    </td>
    
    <td>
      <code>
        report_pdf_page_012.md
      </code>
      
      、<code>
        report_pdf_page_012.jpg
      </code>
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        invoice.png
      </code>
    </td>
    
    <td>
      <code>
        invoice_png_page_001.md
      </code>
      
      、<code>
        invoice_png_page_001.jpg
      </code>
    </td>
  </tr>
</tbody>
</table>

ページ番号はゼロ埋めの 3 桁であるため、複数のソースファイルが 1 つの出力フォルダーを共有しても、名前が衝突することはありません。

### ディレクトリ構造

出力フォルダーは、ソースフォルダーのサブディレクトリ構造をそのまま再現します。`2026/Q1/report.pdf` にあるソースファイルの出力は、`<OCR output folder>/2026/Q1/` に書き出されます。

ページから抽出された画像は、その出力ディレクトリ配下の `imgs/` サブフォルダーに保存され、Markdown からは `imgs/` で始まる相対パスで参照されます。このフォルダーは、埋め込み画像が初めて書き出されるときに作成されます。埋め込み画像のないドキュメントでは `imgs/` は生成されません。

1 つの `report.pdf` に対する完全な出力構造は次のとおりです。

```text
<OCR output folder>/
├── report_pdf_page_001.md
├── report_pdf_page_001.jpg
├── report_pdf_page_002.md
├── report_pdf_page_002.jpg
└── imgs/
    └── <embedded image file name>
```

<warning>

**Office 形式ではページ画像が生成されません：**

DOCX、XLSX、PPTX は変換パイプラインを経由し、ページごとに `.md` ファイルのみを生成します。`.jpg` のページ画像は作成されません。

</warning>

### Markdown 冒頭の YAML フロントマター

各 `.md` ファイルの冒頭には `---` で囲まれた YAML フロントマターブロックがあり、フィールドは常に次の順序で並びます。

<table>
<thead>
  <tr>
    <th>
      フィールド
    </th>
    
    <th>
      内容
    </th>
  </tr>
</thead>

<tbody>
  <tr>
    <td>
      <code>
        source_file
      </code>
    </td>
    
    <td>
      ソースフォルダーからの相対パスで表したソースファイルのパス
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        source_format
      </code>
    </td>
    
    <td>
      ソースファイルの拡張子（ドットなし）。例: <code>
        pdf
      </code>
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        page_number
      </code>
    </td>
    
    <td>
      このファイルが対応するページ
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        total_pages
      </code>
    </td>
    
    <td>
      ソースドキュメントの総ページ数
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        processed_at
      </code>
    </td>
    
    <td>
      処理が完了した時刻（ISO 8601 形式）
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        ocr_engine
      </code>
    </td>
    
    <td>
      処理に使用されたエンジン。OCR パイプラインは <code>
        arcor
      </code>
      
      、変換パイプラインは <code>
        docling-serve
      </code>
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        pipeline_version
      </code>
    </td>
    
    <td>
      処理時点の PreciseMD のバージョン
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        enable_vlm
      </code>
    </td>
    
    <td>
      ビジョン補正が有効だったか。<code>
        true
      </code>
      
       または <code>
        false
      </code>
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        file_hash
      </code>
    </td>
    
    <td>
      ソースファイルの内容のハッシュ
    </td>
  </tr>
  
  <tr>
    <td>
      <code>
        file_hash_algorithm
      </code>
    </td>
    
    <td>
      ハッシュアルゴリズム。現在は <code>
        sha256
      </code>
    </td>
  </tr>
</tbody>
</table>

### `file_hash` の用途

システムは、処理済みファイルをソースパスと `file_hash` で追跡します。次回の実行では、ハッシュが記録と一致するファイルはスキップされます。**File details** でのステータスは **Skipped**、備考は **Content unchanged** となり、既存の出力ファイルはそのまま残されます。

## 関連記事

- [OCR タスクをスケジュールしてフォルダーを自動処理する](https://docs.ardge.com/ja/knowledge/precisemd/schedule-ocr-tasks)
- [OCR タスクの履歴を確認し、失敗したファイルを調査する](https://docs.ardge.com/ja/knowledge/precisemd/ocr-task-history)
- [ビジョン補正はいつ有効にすべきですか？](https://docs.ardge.com/ja/knowledge/precisemd/vision-correction)


## Sitemap

See the full [sitemap](https://docs.ardge.com/sitemap.md) for all pages.