Darmowy program OCR do konwersji PDF na TXT bez instalacji

Question

Witam, poszukuję jakiegoś programu do rozpoznawania tekstu z pliku o formacie pdf. Najlepiej gdyby oprogramowanie było darmowe bo ma służyć tylko do zczytywania listy cyfr, takiej jak w załączniku i zapisywał plik w formacie .txt Gdyby była możliwość to dobrze by było gdyby nie była wymagana...

Markos80 · Accepted Answer

Zerknij na Capture2Text.

Markos80 · Accepted Answer

Ten który podałem nie wymaga instalacji.

Browork · Answer

Niestety sprawdzić będę mógł dopiero jak wrócę z roboty, bo większość serwisów,z których można coś pobrać jest poblokowana. Zainstaluję u siebie w domu a następnie przeniosę do komputera w robocie na USB

gruby1 · Answer

Podaj maila to Ci prześlę ten program.

Browork · Answer

alrekus(_at_)gmail.com

9TYzNostromo · Answer

Darmowe programy OCR + przeglądarkowe online -

Konto nie istnieje · Answer

Nie każdy przeniesiony w ten sposób program będzie działał. Może brakować wpisów w rejestrze systemu, lub niektórych plików programu. Pewne pliki mogą być w innych lokalizacjach niż zainstalowany program.

Browork · Answer

Ściągnąłem podany program Capture2Text oraz go przetestowałem. Sprawuje się całkiem nieźle, przynajmniej w porównaniu dotych internetowych, czy tych, o których opowiadała mi koleżanka z roboty

Jedynie szkoda, że powyżej 3 linijek zaczyna rozpoznawać tekst kolumnami a nie wierszami, ale myślę, że to kwestia minimalnie ukośnego skanowania.

MCbx · Answer

Jakość tych cyfr jest bardzo dobra i jedynym problemem, z którym OCR sobie nie poradzi są niewielkie cętki. Ja bym spróbował tak:
1. Pakiet Imagemagick - program convert żeby z PDFa zrobić obrazek np. PNG
2. Program Tesseract do rozpoznania
To można robić automatycznie z linii poleceń, więc działanie na powiedzmy 200 plikach nie sprawi problemów.
Teraz uwaga: Tesseract Cię będzie męczył z kolumnami, rzekomo sam wie lepiej jak to zrobić

. Na to należy użyć opcji -psm, więc całe polecenie będzie wyglądać tak:

convert -density 300 -morphology Open Octagon -depth 1 plik20140613082621.pdf temp.png
tesseract temp.png -psm 6 plik.txt
del temp.png

Co robię w Convercie: To jest bardzo uproszczona i nieco niepewna metoda usuwania tych kropek.
Oba programy można ściągnąć w wersji portable.

Wynik mi wyszedł taki:

nr x y H
26071 —29145.22 288970.34 -1.0
26072 —29136.36 288972.67 198.76
26073 —29093.60 288980.46 199.95
26142 —29066.752 288976.680 -1.0
26143 —29066.964 288977.657 199.92
26144 —29067.850 288978.081 199.93
26145 —29076.889 288975.995 199.46
26146 —29077.381 288976.234 199.43
26147 -29078.343 288979.878 199.60
26148 —29079.205 288980.536 199.61
26149 —29084.749 288979.370 199.62
26150 —29089 980 288980.658 199.57
26151 —29089.987 288980.406 199.54
26152 -29089.982 288980.212 199.54
26153 —29087.481 288979.900 199.14
26155 -29145.362 288970.088 198.84
26156 —29145.426 288970.261 198.79
26157 —29145 546 288970.399 198.81
26159 —29145.510 288970.051 198.75
26160 —29146.219 288968.938 198.30
26161 —29146.987 288967.284 197.93
26162 —29149.051 288966.829 197.98
26164 —29146.795 288968.010 198.21
26165 -29145.832 288970.002 198.70
26166 —29155.196 288965.555 198.28
26167 —29156 168 288964.692 198.34

Wynik nie jest idealny, ale jest, można popróbować bawić się progowaniem w Convercie, żeby był lepszy.

Darmowy program OCR do konwersji PDF na TXT bez instalacji

Post #1

Post #2

PUMPA

Post #3

Post #4

Post #5

Post #6

Post #7

Post #8

PUMPA

Post #9

Post #10

Podsumowanie tematu