PDF-Dateien mit Bildern finden und konvertieren

10/11/2008 - 09:21 von Michael Ziegler | Report spam
Hallo NG,

ich habe kürzlich ein Namazu installiert um ca. 3700 PDF-Dateien
durchsuchen zu können. Dummerweise können nicht alle dieser Dateien
indiziert werden, weil es Scans sind die nicht durch eine OCR gejagt
wurden. Die nicht erkannten Dateien sind also Bilder im PDF-Format, und
die kann namazu natürlich nicht indizieren.

Gibt es eine Möglichkeit, alle diese Dateien zu finden, und vielleicht
noch automatisiert durch OCR die Texte darin erkennen zu lassen?

Bei den gescannten Dokumenten handelt es sich ausschließlich um
Datenblàtter, Normen und àhnliches, also nichts handschriftliches oder
so, daher sollte die OCR keine größeren Schwierigkeiten haben das zu
erkennen - dazu muss ich halt die betreffenden Dateien erstmal finden...

Grüße
Michael
 

Lesen sie die antworten

#1 Holger Marzen
10/11/2008 - 10:50 | Warnen spam
* On Mon, 10 Nov 2008 09:21:42 +0100, Michael Ziegler wrote:

ich habe kürzlich ein Namazu installiert um ca. 3700 PDF-Dateien
durchsuchen zu können. Dummerweise können nicht alle dieser Dateien
indiziert werden, weil es Scans sind die nicht durch eine OCR gejagt
wurden. Die nicht erkannten Dateien sind also Bilder im PDF-Format, und
die kann namazu natürlich nicht indizieren.

Gibt es eine Möglichkeit, alle diese Dateien zu finden, und vielleicht
noch automatisiert durch OCR die Texte darin erkennen zu lassen?

Bei den gescannten Dokumenten handelt es sich ausschließlich um
Datenblàtter, Normen und àhnliches, also nichts handschriftliches oder
so, daher sollte die OCR keine größeren Schwierigkeiten haben das zu
erkennen - dazu muss ich halt die betreffenden Dateien erstmal finden...



pdfimage datei.pdf ./vorspann

extrahiert die Bilder eines PDFs als ./vorspann-001.png usw.

Mit einem Shellscript der Art

for i in *.pdf
do
pdfimage $i `basename $i .pdf`
done

solltest Du alles extrahieren können. Script ist natürlich ungetestet
und hat Probleme bei Dateinamen mit Leerzeichen drin. Beim OCR-Teil kann
ich Dir mangels Erfahrung nicht helfen.

Ähnliche fragen