Re: Suche Software zum Erfassen von Text in pdfs

Suche Software zum Erfassen von Text in pdfs (20 Beiträge, 242 Mal gelesen)

Du bist nicht angemeldet. [ Login/Registrieren ]

Ich habe gescannte pdfs mit Text. Die Qualität des Scans ist sehr gut, sodass es hier bei der Zeicheninterpretation keine Probleme geben dürfte. Allerdings würde ich gerne das pdf in eine Version umwandeln, wo ich eine Volltextsuche durchführen kann, sprich der Text markierbar ist.

Gibt es kostenlose Tools die das erledigen? Wenn ja, welche?

Re: Suche Software zum Erfassen von Text in pdfs (Codename 47 am 14.04.2009, 12:32:20)

hmmm,
da gäbe es pdftotext (aus manpage):
pdftotext(1)                                                      pdftotext(1)

NAME
       pdftotext  -  Portable Document Format (PDF) to text converter (version
       3.00)

SYNOPSIS
       pdftotext [options] [PDF-file [text-file]]

DESCRIPTION
       Pdftotext converts Portable Document Format (PDF) files to plain  text.

       Pdftotext  reads  the PDF file, PDF-file, and writes a text file, text-
       file.  If text-file is not specified, pdftotext  converts  file.pdf  to
       file.txt.  If text-file is ´-’, the text is sent to stdout.

CONFIGURATION FILE
       Pdftotext  reads  a  configuration  file at startup.  It first tries to
       find the user’s private config file, ~/.xpdfrc.  If that doesn’t exist,
       it  looks  for  a  system-wide  config file, /etc/xpdf/xpdfrc.  See the
       xpdfrc(5) man page for details.

-- MOST: *stdin*                                                    (1,1) 0%
Press `Q' to quit, `H' for help, and SPACE to scroll.
------------------
OPTIONS
       Many of the following options can be set with configuration  file  com‐
       mands.  These are listed in square brackets with the description of the
       corresponding command line option.

       -f number
              Specifies the first page to convert.

       -l number
              Specifies the last page to convert.

       -layout
              Maintain (as best as possible) the original physical  layout  of
              the  text.   The  default is to ´undo’ physical layout (columns,
              hyphenation, etc.) and output the text in reading order.

       -raw   Keep the text in content stream order.  This  is  a  hack  which
              often  "undoes"  column  formatting, etc.  Use of raw mode is no
              longer recommended.

       -htmlmeta
              Generate a simple HTML file,  including  the  meta  information.
-- MOST: *stdin*                                                    (23,1) 24%
Press `Q' to quit, `H' for help, and SPACE to scroll.
------------------
              This  simply wraps the text in

and

and prepends the
              meta headers.

       -enc encoding-name
              Sets the encoding to use for  text  output.   The  encoding-name
              must  be  defined  with  the unicodeMap command (see xpdfrc(5)).
              The encoding name is case-sensitive.  This defaults to  "Latin1"
              (which is a built-in encoding).  [config file: textEncoding]

       -eol unix | dos | mac
              Sets the end-of-line convention to use for text output.  [config
              file: textEOL]

       -nopgbrk
              Don’t insert page breaks (form feed characters)  between  pages.
              [config file: textPageBreaks]

       -opw password
              Specify  the  owner  password  for the PDF file.  Providing this
              will bypass all security restrictions.

       -upw password
-- MOST: *stdin*                                                    (45,1) 47%
Press `Q' to quit, `H' for help, and SPACE to scroll.
------------------
              Specify the user password for the PDF file.

       -q     Don’t print any messages or errors.  [config file: errQuiet]

       -v     Print copyright and version information.

       -h     Print usage information.  (-help and --help are equivalent.)

BUGS
       Some PDF files contain fonts whose encodings have been  mangled  beyond
       recognition.  There is no way (short of OCR) to extract text from these
       files.

EXIT CODES
       The Xpdf tools use the following exit codes:

       0      No error.

       1      Error opening a PDF file.

       2      Error opening an output file.

-- MOST: *stdin*                                                    (67,1) 71%
Press `Q' to quit, `H' for help, and SPACE to scroll.
------------------
       3      Error related to PDF permissions.

       99     Other error.

AUTHOR
       The pdftotext software and documentation are copyright 1996-2004  Glyph
       & Cog, LLC.

SEE ALSO
       xpdf(1),   pdftops(1),  pdfinfo(1),  pdffonts(1),  pdftoppm(1),  pdfim‐
       ages(1), xpdfrc(5)
       http://www.foolabs.com/xpdf/

                                22 January 2004                   pdftotext(1)

-- MOST: *stdin*                                                    (82,1) 100%
Press `Q' to quit, `H' for help, and SPACE to scroll.

[ Dieser Beitrag wurde inzwischen editiert. Die aktuelle Version befindet sich hier. ]

Re: Suche Software zum Erfassen von Text in pdfs (HITCHER am 14.04.2009, 13:14:48)

Re(2): Suche Software zum Erfassen von Text in pdfs (MiniDisc am 14.04.2009, 13:21:41)

Re(3): Suche Software zum Erfassen von Text in pdfs (HITCHER am 14.04.2009, 13:26:12)

Re(4): Suche Software zum Erfassen von Text in pdfs (MiniDisc am 14.04.2009, 13:28:38)

Re(5): Suche Software zum Erfassen von Text in pdfs (HITCHER am 14.04.2009, 13:40:15)

Re(6): Suche Software zum Erfassen von Text in pdfs (MiniDisc am 14.04.2009, 13:46:38)

Re(7): Suche Software zum Erfassen von Text in pdfs (HITCHER am 14.04.2009, 14:13:31)

Re(8): Suche Software zum Erfassen von Text in pdfs (MiniDisc am 14.04.2009, 14:20:34)

Re(2): Suche Software zum Erfassen von Text in pdfs (juwb am 14.04.2009, 20:34:52)

Re(3): Suche Software zum Erfassen von Text in pdfs (HITCHER am 15.04.2009, 08:53:55)

Re(4): Suche Software zum Erfassen von Text in pdfs (juwb am 15.04.2009, 09:07:30)

Re: Suche Software zum Erfassen von Text in pdfs (Paradoxon am 14.04.2009, 16:11:16)

Re(2): Suche Software zum Erfassen von Text in pdfs (MiniDisc am 14.04.2009, 20:24:48)

Re(3): Suche Software zum Erfassen von Text in pdfs (Paradoxon am 14.04.2009, 20:32:45)

Re(4): Suche Software zum Erfassen von Text in pdfs (MiniDisc am 14.04.2009, 20:47:15)

Dieses Forum ist eine frei zugängliche Diskussionsplattform.
Der Betreiber übernimmt keine Verantwortung für den Inhalt der Beiträge und behält sich das Recht vor, Beiträge mit rechtswidrigem oder anstößigem Inhalt zu löschen.
Datenschutzerklärung