tesseract i ocrmypdf – Instalacija – Windows

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