Preuzmi i instaliraj
- tesseract: https://github.com/UB-Mannheim/tesseract/wiki (instaliraj sve module za željene jezike)
- ocrmypdf: https://ocrmypdf.readthedocs.io/en/latest/installation.html#native-windows
Dodatne podesidbe
- Preuzmi novi language pack za sve jezike odabrane tijekom instalacije (npr. “
hrv.traineddata“) – https://github.com/tesseract-ocr/tessdata/ - Spremi u “
C:\Program Files\Tesseract-OCR\tessdata\“ - Opcija: preuzmi jbig2.exe – https://github.com/anotatta/jbig2enc/releases/tag/0.29
- Opcija: spremi jbig2.exe u folder “
C:\Program Files\Tesseract-OCR\“ - Dodaj “
C:\Program Files\Tesseract-OCR\” u PATH
Oceeriraj
Otvori novi CMD i ocriraj nešto:
ocrmypdf --language hrv+eng neštonešto.pdf neštonešto-ocr.pdf --force-ocr --sidecar neštonešto-ocr.pdf.txt
Ako je sve okej, po svršetku ocriranja ćeš imati datoteku “neštonešto-ocr.pdf” koja je pretraživa (srčabilna) i datoteku “neštonešto-ocr.pdf.txt” koja je – tekst, jelte.
ocr xocr xtesseract xocrmypdf xpdf2txt pdf2txt pdf2pdf
