GF
целые коллективы работают
Size: a a a
2021 June 18
A
ну да я не особо бы в этом сомневался... тут научный институт за такие деньги на три года нанять можно. или три на год
AP
pdftotext есть
D
танцевать с бубнами будете очень долго
D
pdf2image + teseract
D
быстрее и проще
М
Спасибо!
М
Столько советов! Все пробую, спасибо больше!
НГ
Это в случае, если текстового слоя на пдфке нет. А если он есть, то просто качество понизится из-за перераспознавания.
GF
easyocr работает дольше но дает лучшее качество
GF
а главное привязку к положению на листе
D
очень дольше ))
GF
tesseract к сожалению не дает координат текста по-моему
D
тут вопрос надо ли это ТС
GF
судя по всему не надо
NK
Дает, формат hocr
GF
о, спасибо!
NK
Замечу, что есть ДВА варианта утилиты pdftotext - одна выдает только весь текст (как Save As -> Plain text в программе просмотра).
Вторая утилита с таким названием из пакета poppler поддерживает опцию —bbox, этот вариант сработает почти как прогон через OCR, но без ошибок OCR.
Но по моему опыту, TET работает лучше, хоть он и платный (есть триал, до 5 или 10 страниц доки можно попробовать качество).
Вторая утилита с таким названием из пакета poppler поддерживает опцию —bbox, этот вариант сработает почти как прогон через OCR, но без ошибок OCR.
Но по моему опыту, TET работает лучше, хоть он и платный (есть триал, до 5 или 10 страниц доки можно попробовать качество).
VM
этот easyocr при всем кол-ве людей, которые над ним работали, и при том количестве технологий, которые в него всунуты, распознал текст хуже, чем обертка в 10 строк на мою либу, которая даже не для OCR делалась
GF
Так с огромным количеством продуктов, но это не повод ими не пользоваться к сожалению