|
|
|
Ndreu
Стаж: 20 лет 2 месяца Сообщений: 100
|
Ndreu ·
09-Сен-10 21:56
(15 лет 1 месяц назад, ред. 01-Окт-10 10:59)
Проблема DjVu.
Иногда, читая различные электронные документы В формате DjVu нам нужно выполнить поиск по тексту, чтобы найти то, или иное слово, фразу, термин. Или же просто нам нужно выделить абзац из книги, которую читаем в формате DjVu, скопировать этот абзац в буфер и вставить на каком-нибудь форуме и прокомментировать. Но DjVu сам по себе графический формат, и его странички - это картинки, поэтому ни поиск по тексту, ни выделить и скопировать текст из DjVu в doc (Word), или txt никак не удастся.
Та же проблема в PDF.
Казалось бы, с PDF всё проще. В нём же генетически заложено и выделение/копирование текста, и поиск по тексту.
Но иногда бывают такие случаи, когда в PDF невозможно выполнить ни поиск по тексту, ни выделение/копирование текста. Это возникает в тех случаях, когда PDF создаётся не из текстовых форматов (doc, txt и др.) а из графических (tif, jpg, DjVu и др.) без помощи распознавательных программ. Так, если мы, например, с помощью ЭТОГО МАНУАЛА переконвертируем книжку из DjVu в PDF - получим совершенно непрошитый PDF-документ, в котором нельзя будет выполнить ни поиск по тексту, ни выделение/копирование текста.
В этом мануале я покажу, как прошивать электронные документы форматов DjVu & PDF.
Лечение DjVu
Лечение DjVu-файла (или прошивку), итогом которой станет возможность поиска по тексту + выделение/копирование текста, можно разбить на несколько этапов:
[*] Если в документе DjVu нет текстового OCR-слоя, то нам нужно его сделать - с помощью программы FineReader-7(8).
Здесь сразу замечу, что в качестве распознавателя стоит использовать именно FineReader, т.к. программа обработки рабочих проектов написана под его проекты и именно 7-ю, или 8-ю версию (за 9-ю не знаю, а 10 - точно не подходит), т.к. программа обработки оперирует с frf-шками, которые в 10-й версии, например, уже не используются.
[*] Для этого нужно переконвертировать DjVu-файл в tif-ы, например. Т.к. с ними дальше будет работать FineReader, распознавая текст.
[*] Загрузить tif-ы в FineReader и распознать в них текст. В итоге создать рабочий FineReader-проект.
[*] С помощью программы DjvuOCR обработать рабочий FineReader-проект, извлечь необходимую из него информацию и создать текстовый слой + интегрировать его в DjVu-файл.Сейчас вылечим для наглядности одну DjVu-книжку.
Как быстро переконвертировать DjVu в TIF ?
[*] Открываем программу DjvuOCR и выбираем "Декодирование DjVu-файла"
[*] Кликаем "Добавить" и выбираем "больную" DjVu-книгу
[*] Кликаем "Обзор" и выбираем директорию, куда сохраняться tif-файлы.
Здесь стоит отметить, что в среднем, размер 1-го tif-файла будет = 3,5mb и если в вашей книжке будет, к примеру 500 страниц, то понадобиться 3,5*500=1,750Gb свободного места. Это нужно учитывать.[*] Кликаем "Обработка" , ждём.[*] Когда вылетит окошко с предложением сохранения файла проекта, кликаем "ДА", называем файл проекта и сохраняем в удобную директорию.[*] Первый этап успешно завершен
Как распознать текст в FineReader 7(8) и создать рабочий FineReader-проект ?
[*] Открываем FineReader 7(8)
[*] Далее Файл -> Открыть изображение(я) -> выбираем все наши tif-ы и добавляем их в пакет.
[*] Выбираем русский язык распознавания и кликаем "распознать всё"
[*] После того, как FineReader 7(8) распознал текст во всех tif-страницах, кликаем:
ФАЙЛ -> ЗАКРЫТЬ ПАКЕТ -> СОХРАНЯЕМ И ЗАДАЁМ ЕМУ ИМЯ;
[*] Далее выходим из FineReader-а и заходим в только что созданный FineReader-проект далее извлекаем из него всё содержимое (вместе со скрытыми файлами) в ту же директорию, где находится FineReader-проект. Это необходимо для того, чтобы на следующем этапе DjvuOCR смогла обработать frf-файлы.
[*] Второй этап успешно завершён.
Обработка рабочего FineReader-проекта в DjvuOCR
[*] Запускаем DjvuOCR и выбираем "Пакетный режим OCR manager"
[*] Далее кликаем "Откр. проект декодера" и добавляем созданный на первом этапе dprj-файлик.
[*] Затем в настройках проставляем галочки в полях "Нормальный перенос" & "Игнорировать ошибки"
[*] Потом кликаем "Обзор" и выбираем директорию, куда мы сохранили FineReader-проекта и извлекли из него frf-файлы.
[*] Если мы не хотим редактировать после создания OCR-слой, то рекомендую также сразу поставить галочку в поле "Создать DJVU книги?". В таком случае OCR-слой автоматически интегрируется в DjVu-книгу.
[*] Ну и последнее - кликаем "Обзор" и выбираем папку для сохранения распознаного.
[*] Все остальные настройки можно оставить "как есть", если не возникает никаких проблем с масштабами и ненужными страницами...
[*] Кликаем "Обработка"
[*] Поздравляю! Теперь ваша DjVu-книга прошита и получила текстовый OCR-слой.
Как выполнять поиск по тексту & выделение/копирование текста в прошитой книге?
[*] Открываем прошитую текстовым OCR-слоем книгу, например, с помощью программы WinDjView;
[*] Переходим в "Инструменты" и ставим галочку напротив "Выделить текст":
[*] Теперь мы можем с помощью появившегося курсора выделять текст и копировать его в буфер:
[*] А также выполнять поиск по словам:
Лечение PDF
Если у вас есть PDF-файл, который был создан, например, с помощью виртуального принтера, или конвертации графических форматов (tif, jpg, DjVu и др.) в PDF , без помощи FineReader (или других анализирующих/распознавательных программ) и вы не можете выполнять ни поиск по тексту, ни выделение/копирование текста, то вам всё-таки придётся прибегнуть к помощи FineReader (или других анализирующих/распознавательных программ) 
[*] Открываем FineReader-10
[*] Проходим по меню: ФАЙЛ -> НОВОЕ ЗАДАНИЕ
[*] Далее проходим: ADOBE PDF -> КОНВЕРТИРОВАТЬ В PDF (изображение с поиском)
[*] Выбираем больной PDF-файл, открываем его, проходим автоматическое распознавание.
[*] Затем, после окончания распознавания нам вылетит результирующий pdf-файл, который мы сохраняем в нужной директории с помощью меню Adobe Reader: ФАЙЛ - СОХРАНИТЬ КАК...
ГОТОВО.
|
|
|
|
IzmAiLoVlz
Стаж: 16 лет 3 месяца Сообщений: 17
|
IzmAiLoVlz ·
20-Ноя-10 15:45
(спустя 2 месяца 10 дней)
Спасибо! В основном потребовалась половина из написанного)
|
|
|
|
darkfrei
Стаж: 17 лет 10 месяцев Сообщений: 160
|
darkfrei ·
21-Ноя-10 17:26
(спустя 1 день 1 час)
Программой Document Express Editor (ver 6.0.1 Build 1320) -
Сервис - OCR - OCR документа. Появляется окошко распознавания, минут пять и всё готово.
Не забыть открыть Правка - Настройки... - OCR и выставить язык распознавания.
|
|
|
|
mpv777
Стаж: 17 лет 6 месяцев Сообщений: 33260
|
mpv777 ·
23-Ноя-10 07:38
(спустя 1 день 14 часов)
darkfrei писал(а):
Программой Document Express Editor (ver 6.0.1 Build 1320) -
Качество распознавания таким способом получается на порядок хуже, чем файнридером
|
|
|
|
Zevs_evg
Стаж: 16 лет 7 месяцев Сообщений: 240
|
Zevs_evg ·
12-Дек-10 21:21
(спустя 19 дней)
Хороший маниул. Только вот у меня так и не получилось сделать последний пункт. Ну не создается файл и все тут. OCR наложил путем "Ручной режим OCR manager". Там все интуитивно ясно.
Спасибо.
|
|
|
|
SwitchMan89
Стаж: 15 лет 9 месяцев Сообщений: 133
|
SwitchMan89 ·
02-Апр-11 14:16
(спустя 3 месяца 20 дней)
Цитата:
Далее выходим из FineReader-а и заходим в (папку?) только что созданный FineReader-проект далее извлекаем из него всё содержимое (вместе со скрытыми файлами) в ту же директорию, где находится FineReader-проект.
Здесь точно нет ошибки? Непонятно, что значит скопировать файлы проекта в папку проекта(
|
|
|
|
Inglar_
Стаж: 15 лет 8 месяцев Сообщений: 471
|
Inglar_ ·
02-Апр-11 16:04
(спустя 1 час 47 мин.)
SwitchMan89
надо не копировать, а извлекать. создайте папку, сохраните туда проект FR, и извлеките файл проекта, сам файл удалять не надо.
|
|
|
|
melancholic
Стаж: 18 лет 1 месяц Сообщений: 152
|
melancholic ·
19-Апр-11 20:48
(спустя 17 дней)
По поводу PDF: В результате FineReader не выплюнет мне векторный шрифт вместо растрового? Мне нужно, чтобы в PDF сохранился растровый шрифт, а под ним был OCR, как в DjVu.
|
|
|
|
DjVu-Master
Стаж: 15 лет 10 месяцев Сообщений: 6119
|
DjVu-Master ·
21-Май-11 16:17
(спустя 1 месяц 1 день, ред. 21-Май-11 22:41)
Дайте рабочую ссылку на скачивание ABBYY FineReader 7.0 Professional Edition (можно Rus).
Уже не надо. Скачал 9-й.
|
|
|
|
Shassukkum
Стаж: 16 лет 7 месяцев Сообщений: 1178
|
Shassukkum ·
22-Май-11 23:26
(спустя 1 день 7 часов)
darkfrei писал(а):
Программой Document Express Editor (ver 6.0.1 Build 1320) -
Сервис - OCR - OCR документа. Появляется окошко распознавания, минут пять и всё готово.
Не забыть открыть Правка - Настройки... - OCR и выставить язык распознавания.
Фигово распознаёт. Равно как и Readiris Corporate v12.0.5702.
Лучше-уж CuneiDjVu, если в автоматическом режиме захотели.
|
|
|
|
monday2000
Стаж: 15 лет 10 месяцев Сообщений: 93
|
monday2000 ·
23-Май-11 13:51
(спустя 14 часов)
Для распознавания DjVu разумнее всего скачать по Яндекс-запросу "finereader 8 portable". FineReader 9 и тем более 10 не поддерживаются (программой DjVuOCR).
|
|
|
|
DjVu-Master
Стаж: 15 лет 10 месяцев Сообщений: 6119
|
DjVu-Master ·
27-Май-11 02:32
(спустя 3 дня, ред. 27-Май-11 02:32)
monday2000
Скачал я finereader 8 portable.
Извлек из книги страницы, сохранил .dprj, загрузил в ФР8, нажал распознать все страницы (проверку орфографии не делал), ...
Ивот что имею.
Я не могу понять в чем моя ошибка или не моя  .
|
|
|
|
monday2000
Стаж: 15 лет 10 месяцев Сообщений: 93
|
monday2000 ·
31-Май-11 15:31
(спустя 4 дня, ред. 31-Май-11 15:31)
Stepanenko.P.V.
А что это за ".dprj" такой?
Для вставки OCR-слоя в DjVu необходимо иметь лишь 2 программы:
1. DjVuOCR.
2. FineReader 8 Prof Portable.
DjVuOCR - достаточно многогранная программа. Помимо своей прямой задачи - вставки файнридерного OCR-результата в DjVu, DjVuOCR также умеет декодировать DjVu, скажем, в TIF.
Действия такие:
1. Декодируем DjVu в TIF при помощи DjVuOCR.
2. Распознаём полученные TIF-файлы в FineReader 8 Prof Portable. Получаем файнридерный "пакет".
3. Используя DjVuOCR, переносим OCR-данные из файнридерного "пакета" в исходный DjVu.
Можно ещё вот это почитать:
http://www.infanata.org/news/questions/1146098494-sozdanie-v-djvu-fajjle-tekstovogo-sloja-i.html
|
|
|
|
DjVu-Master
Стаж: 15 лет 10 месяцев Сообщений: 6119
|
DjVu-Master ·
31-Май-11 17:44
(спустя 2 часа 12 мин., ред. 01-Июн-11 19:39)
monday2000 писал(а):
А что это за ".dprj" такой?
Делал по ссылке которую дали. Распознал, сохранил, прошил.
Но когда я после распознавания правлю орфографию не хочет прошиватся. 
|
|
|
|
yupi888
Стаж: 16 лет 6 месяцев Сообщений: 373
|
yupi888 ·
08-Авг-11 23:01
(спустя 2 месяца 8 дней, ред. 10-Авг-11 11:57)
Это конечно хорошо. Но прогон через Finereader ухудшает качество изображения цветных форматов (картинок например) в разы, причём настройка в нём форматов без потери качества не помогает и качество теряется. Нет ли таких программ при которых оно бы не терялось кроме как Adobe acrobat pro.
|
|
|
|
Guard_82
Стаж: 16 лет 4 месяца Сообщений: 242
|
Guard_82 ·
22-Дек-11 01:04
(спустя 4 месяца 13 дней)
У меня всё получилось. Спасибо.
Правда, после копирования текста и вставки его в Ворд править вручную геморно.
|
|
|
|
Denis-72007
Стаж: 17 лет 8 месяцев Сообщений: 155
|
Denis-72007 ·
04-Мар-12 15:18
(спустя 2 месяца 13 дней)
Жму обработка, в выбранной папке создается 2 файла:
***.djvu.html
***.djvu.txt
Как интегрировать этот текст в djvu-книгу?
|
|
|
|
Shassukkum
Стаж: 16 лет 7 месяцев Сообщений: 1178
|
Shassukkum ·
04-Мар-12 15:31
(спустя 12 мин.)
Denis-72007 писал(а):
Жму обработка, в выбранной папке создается 2 файла:
***.djvu.html
***.djvu.txt
Как интегрировать этот текст в djvu-книгу?
Назад —> Вставить OCR в книгу
|
|
|
|
Denis-72007
Стаж: 17 лет 8 месяцев Сообщений: 155
|
Denis-72007 ·
04-Мар-12 15:43
(спустя 11 мин.)
|
|
|
|
Shassukkum
Стаж: 16 лет 7 месяцев Сообщений: 1178
|
Shassukkum ·
04-Мар-12 16:11
(спустя 28 мин.)
|
|
|
|
JonnyKord
Стаж: 15 лет 8 месяцев Сообщений: 5
|
JonnyKord ·
01-Апр-12 16:31
(спустя 28 дней)
http://******* загружаешь и сам ломает)
 Ссылки на сторонние ресурсы ЗАПРЕЩЕНЫ!
 Правила форума (пункт 2.10)
|
|
|
|
Ganew
Стаж: 14 лет 1 месяц Сообщений: 144
|
Ganew ·
11-Апр-12 00:58
(спустя 9 дней)
Спасибо за инструкцию!
Все гениальное, оказывается, - просто!
Но почему конечный файл гораздо меньше весит, чем исходный. И символы становятся более размытыми и уродливыми (некоторые даже PROMT не идентифицирует), хотя в исходном PDFе они были чётко "прорисованы". Это "плата" за текстовый слой или можно как-то исправить?
|
|
|
|
Shassukkum
Стаж: 16 лет 7 месяцев Сообщений: 1178
|
Shassukkum ·
11-Апр-12 07:31
(спустя 6 часов, ред. 11-Апр-12 12:34)
Господи! Всё это уже' настолько устарело, что пора половину инструкшина сдать в архив на полку.
А-то, забивают людям голову, всякой архаикой
Предвидя элоквентные филиппики в мой адрес хочу предупредить ораторов, и в первую очередь автора постинга — лучше выкинуть пару параграфов и заменить где надо текст чем множить очередными однотипными уроками данный ресурс.
|
|
|
|
Ganew
Стаж: 14 лет 1 месяц Сообщений: 144
|
Ganew ·
11-Апр-12 21:56
(спустя 14 часов)
yuree писал(а):
Господи! Всё это уже' настолько устарело, что пора половину инструкшина сдать в архив на полку.
Есть более удобные и "современные" способы?
|
|
|
|
Shassukkum
Стаж: 16 лет 7 месяцев Сообщений: 1178
|
Shassukkum ·
12-Апр-12 20:45
(спустя 22 часа)
Ganew писал(а):
yuree писал(а):
Господи! Всё это уже' настолько устарело, что пора половину инструкшина сдать в архив на полку.
Есть более удобные и "современные" способы?
А-то!
Вы в окно посмотрите. Какой к дiдьку 8-й Fine Reader?!!
И это только по OCR'ке.
|
|
|
|
Ganew
Стаж: 14 лет 1 месяц Сообщений: 144
|
Ganew ·
13-Апр-12 14:14
(спустя 17 часов, ред. 13-Апр-12 14:14)
Да вроде автор темы советует пользоваться 10-ым. Всё просто и удобно.
|
|
|
|
Shassukkum
Стаж: 16 лет 7 месяцев Сообщений: 1178
|
Shassukkum ·
13-Апр-12 18:00
(спустя 3 часа, ред. 13-Апр-12 21:24)
Ganew писал(а):
Да вроде автор темы советует пользоваться 10-ым. Всё просто и удобно.
10-й ФР никаким боком не подходит к DjvuOCR. Это раз.
Пользоваться 8-10-ми версиями когда народ давно уже' 11-й юзает — моветон. Это два.
Юзая 11-й ФР Вы сократите в несколько раз своё время и силы по OCR текста, качество распознавания которого стало всё-так немного лучше, чем в 8-й. Это три.
Подозреваю что и по PDF, технологии за два минувших года, ушли вперёд. Это четыре.
Статью пора сдавать в утиль.
|
|
|
|
Я Монах
Стаж: 17 лет 3 месяца Сообщений: 22
|
Я Монах ·
30-Июл-12 20:28
(спустя 3 месяца 17 дней)
yuree, как тогда накладывать OCR слой на Djvu книгу? Я пробовал, ни 9, ни 10, ни 11 версии не работают с DjvuOCR v2.4 beta. С 7 и 8 все хорошо получается.
|
|
|
|
Shassukkum
Стаж: 16 лет 7 месяцев Сообщений: 1178
|
Shassukkum ·
30-Июл-12 23:06
(спустя 2 часа 37 мин.)
Я Монах писал(а):
yuree, как тогда накладывать OCR слой на Djvu книгу? Я пробовал, ни 9, ни 10, ни 11 версии не работают с DjvuOCR v2.4 beta. С 7 и 8 все хорошо получается.
Вау! Ну-что-же, объясню и Вам Дело проще пареной репы.
1. У Вас есть, напр. сделанный Вами самим DjVu. Назовём его "Оригинал".
2. Берёте последний билд ФР 11, как вариант, тем более он нормально, уже́ нормально, отображает переносы и выделение идёт побуквенно а не построчно. Так вот, загружаете в него свой Оригинал.
3. Распознаёте. Вычитываете и правите текст, если хотите. Иногда ФР вместо одного пробела между словами делает два. Такое хоть редко но попадается. Из личного опыта. Итак, правите текст.
4. В ФР в вкладке Сервис → Опции → Сохранить → DjVu → Режим отображения (Текст под изображением); Многослойность (Авто); Качество картинки (Ставите любое) так как Вы этот DjVu всё-равно выкенете в ведро оставив от него только OCR.
5. Сохраняете свой файл в DjVu.
6. Берёте DjvuOCR → Извлечь OCR слой (указываете Ваш файл из ФР) → Назад → Вставить OCR в книгу (указываете свой Оригинал и вставляете в него извлечённый Вами OCR из ФР).
7. Используете последний файл в своих интересах а безоцээрный DjVu удаляете в корзину. ФР не только PDF коряво создаёт
8. Всё.
|
|
|
|
Я Монах
Стаж: 17 лет 3 месяца Сообщений: 22
|
Я Монах ·
31-Июл-12 18:11
(спустя 19 часов)
yuree, ага, вот оно как! Ну спасибо, теперь не буду больше возиться с таким архаизмом.
|
|
|
|
