כללי מישהו מכיר תוכנה שהופכת טקסט מקובץ פי די אף לטקסט "חי"

[mirif]

שמעתי שיש תוכנה שהופכת טקסט מקובץ פי די אף לטקסט "חי". מישהו מכיר אותה?

 

[אברהם]

יש הרבה
הן נקראות תוכנות OCR

 

[eden7115]

אתמול צדה את עיני מודעה ביתד של מישהו שממיר ספרים לטקסטים עם התחייבות לדיוק מירבי.
אולי שווה לבדוק.

 

[mirif]

יש למישהו משהו חינמי לזה?

 

[אברהם]

מכיר חינמי לקבצי JPEG ו- TIFF, לא מכיר חינמי ל PDF מלבד אדובי רידר שנסרק בצורה מיוחדת עם אפשרות המרה לטקסט

 

[חיטובים]

OCR מפענח תמונה לטקסט.

קובץ PDF שמכיל את הטקסט כטקסט ולא כתמונה, אפשר להמיר מתוך אקרובט עצמו באפשרות "שמור כמסמך וורד/RTF".

יש גם המון תוכנות אחרות כגון PDF2Word ואפשר להשתמש בהן אם יש בעיות בייצוא מאקרובט.

 

[פוזי]

לנו היתה פעם תוכנה שיכלנו לסרוק דף שמשהו כתב אפילו בכתב יד ואח"כ לשנות לכתב מחשב
משהו זוכר איך קוראים לתוכנה הזאת????

 

[SAPIR0001]

למי שיש את אקרובט פרופשיונל המלא יש אופציה בסיסית להמרה של טקסט לחי

 

[אברהם]

OCR מפענח תמונה לטקסט.

קובץ PDF שמכיל את הטקסט כטקסט ולא כתמונה, אפשר להמיר מתוך אקרובט עצמו באפשרות "שמור כמסמך וורד/RTF".

מה דעתך על קובץ PDF כמו זה?

 

[meni]

http://www.abbyy.co.il/?categoryId=27501

 

[חיטובים]

הספרים של היברו בוקס סרוקים כתמונה, ועוברים OCR אוטומטי ע"י תוכנת פיין רידר כדי שיוכלו לחפש בתוכם. התוצאות בהתאם.

אני מדבר על PDF שנשמר מתוך וורד או אינדיזיין.

 

[נקי_כפים]

בואו נעשה סדר אחת ולתמיד בשאלה הזו שעלתה פה בעבר כבר כמה וכמה פעמים:

קובץ PDF יכול להכיל 2 סוגי תוכן (הרלוונטיים לענינינו):
1. קובץ תמונה כגון קובץ משוטח מפוטושופ או סתם קובץ JPG/TIF/BMP מוטמע בPDF.
2. טקסט "חי" כגון קובץ שנעשה ישירות מוורד/אקסל/אינדיזיין וכד'

עכשיו לפתרונות:
1. כשהקובץ מכיל תמונה הצורה היחידה להפיק ממנו טקסט היא ע"י תוכנת OCR = תוכנת זיהוי תווים אופטי (Optical Character Recognition) שהיא בעצם מנסה לפענח את התמונה ולהמיר את תוכנה לטקסט.
התוכנה המתקדמת הנפוצה והיעילה ביותר בתחום היא ללא ספק FINEREEDER שהובאה לעיל. יש עוד כמה תוכנות חינמית שמגיעות יחד עם סורקים של HP וכד', כמו כמה תוכנות מקצועיות ויקרות כדוגמת היפרOCR ועוד.
הבעיה בכל אלו היא שכדי להגיע לתוצאות טובות צריך גם נסיון בתפעול התוכנה וגם תמונת טקסט באיכות גבוהה אחרת אחוז הדיוק יורד והדבר לא שווה כלכלית.
מקובל בתחום שפיענוח היורד מ98.5% דיוק אינו כלכלי והקלדה תהיה זולה יותר.
יש לקחת בחשבון שגם פיענוח טוב דרוש הגהה יסודית כי תוכנות אלה אף פעם לא מגיעות ל100% ואף לא קרוב לכך.

2. כשהקובץ מכיל טקסט חי: ברמת העיקרון קובץ המכיל טקסט ניתן לייצאו חזרה לפורמט TXT/RTF.
הבעיה היא שהקידוד (בעיקר בעברית אבל לא רק) אינו אחיד דבר הגורם לכך שרוב קבצי הPDF פולטים ג'בריש מג'וברש בייצוא.
אכן, קובץ שיוצא מתוכנה המקודדת ביוניקוד כמו וורד או אינדיזיין והפונט היה תיקני (פונט מיושן/חינמי או סתם פונט מרושל של מאסטרפונט מהווה מתכון בטוח לתקלות) בדרך כלל ניתן יהיה לייצאו ברמה טובה- לא ממש 100%, תמיד איזו כותרת תברח וכיון הכתיבה יהיה לנצח משמאל לימין אבל עדיין...
מצד שני רוב התוכנות יוצרות קבצים בקידודים שונים ומשונים המוציאים תוצאה חלקית במקרה הטוב- כמו ביצוא מוורד ע"י מדפסת כדוגמת PDFFACTORY וכד' או 0 תוצאה כמו ביצוא מתג.
פתרון אחד שעוזר גם בקבצים בעייתים במיוחד הוא האתר הזה: http://www.pixiesoft.com/flip/ בו יש להעתיק עם כלי העריכה את תוכן הקובץ ולהדביק בחלון היעודי שם, ניתן לשחק בהגדרות הקידוד למיטוב התוצאה. האתר מתמודד יפה גם עם קבצים קשים אבל שוב ממש לא ב100%.
לקבצי תג אין בכלל פתרון אא"כ הקובץ מכיל פונט אחד בודד (אחרת הקידוד שונה מפונט למשנהו) ואז ניתן לייצא ג'יבריש ולהמיר ע"י סקריפט החלפה.

בהצלחה

 

[אהרן2]

התוכנה המתקדמת הנפוצה והיעילה ביותר בתחום היא ללא ספק FINEREEDER שהובאה לעיל.

גירסה 10 גרועה מאוד בחומר שמצריך למידה, מנגנון ה"למידה" פשוט לא עובד!

כמו כמה תוכנות מקצועיות ויקרות כדוגמת היפרOCR ועוד.

תהיה מוכן לפרט?

 

[אברהם]

הספרים של היברו בוקס סרוקים כתמונה, ועוברים OCR אוטומטי ע"י תוכנת פיין רידר כדי שיוכלו לחפש בתוכם. התוצאות בהתאם.

אני מדבר על PDF שנשמר מתוך וורד או אינדיזיין.

ברור שזה קבצי תמונה ושהם עוברים OCR, אבל בסופו של דבר ניתן באמצעות רידר לשמור אותם כטקסט (וברור שגם התוצאה תהיה בהתאם).

דרך אגב - גם PDF שנשמר מתג אפשר להפוך למלל נגיש. אמנם זה יוצא ג'יבריש, אך קרש פעם העלה מאקרו שמתרגם את זה לעברית נורמלית

 

[נקי_כפים]

דרך אגב - גם PDF שנשמר מתג אפשר להפוך למלל נגיש. אמנם זה יוצא ג'יבריש, אך קרש פעם העלה מאקרו שמתרגם את זה לעברית נורמלית

תקרא טוב מה שכתבתי בענין: קבצי תג ניתנים להמרה, בתנאי שיש בהם סוג אחד של פונט בלבד! אחרת לא יעזור מאקרו/סקריפט כי כל פונט מקודד שם שונה והמאקרו יוציא עירבוב מושלם. מנסיון.

 

[אברהם]

תקרא טוב מה שכתבתי בענין: קבצי תג ניתנים להמרה, בתנאי שיש בהם סוג אחד של פונט בלבד! אחרת לא יעזור מאקרו/סקריפט כי כל פונט מקודד שם שונה והמאקרו יוציא עירבוב מושלם. מנסיון.

נכון, אבל נראה לי שזה לא מדוייק.

אני חושב שאם משתמשים רק בפונטים שהם באותו מיפוי - התוצאה תהיה טובה.