Autor: Olgierd Cybulski (cybulski_at_pkpf.if.uj.edu.pl)
Data: Tue 01 Dec 1998 - 16:06:31 MET
Jacek Filipkiewicz wrote:
> Poszukuje konwertera do plikow PDF na jakikolwiek
> format, z ktorego da sie wyciagnac teksty.
>
> Czy to wogole jest mozliwe?
Pliki PDF zawierają teksty w dwóch rodzajach.
Pierwszy z nich to zwykły tekst, którego fragmenty
możesz wyciągnąć pod Acrobatem (Acrobat Reader -
najbardziej znana, darmowa przeglądarka PDF)
przy pomocy techniki Cut & Paste - zaznaczyc myszką
i wcisnąć CTRL + C .
Drugi rodzaj "tekstu" wystepującego w - niestety -
bardzo liczych PDF-ach to tekst zeskanowany w
postaci bitmap. Moim zdaniem to bardzo brzydki zwyczaj,
ale - niestety - wiele firm z czystego lenistwa nie
przekształca podczas archiwizacji starych dokumentów
bitmap na prawdziwy tekst, a przecież można to łatwo
zrobić byle OCR-em - nie mówie tu o firmach typu
"Garaż Stryjka GMBH" , ale o potężnych molochach
typu Maxim, Texas-Instruments, czy SGS .
Dla takich firm zakup i użycie dobrego programu OCR
to małe piwo, wydawałoby się...
Żeby wyciągnąć tekst z bitmap zawartych w PDF-ach trzeba
użyć OCR . Nie znam tanich programów do ekstrakcji bitmap
z PDF-ów , więc pewnie mając taki problem wydrukowałbym
interesujący fragment, zeskanował i zapuścił Recognitę.
Przy okazji - zna ktoś może przeglądarkę PDF która
nie jest tak beznadziejna jak Acrobat ?
Chodzi mi przede wszystkim o to, żeby rysunki na ekranie
wyglądały przyzwoicie, w Acrobacie bowiem nie da się ich
praktycznie oglądać na ekranie, trzeba albo używać
bardzo dużych powiększeń, albo drukować na papier, na ekrenie
w normalnej skali większość linii jest niewidoczna (co za głupota
programistów Adobe'a, a wydawałoby się, że to porządna firma).
No i poza tym - poruszanie się po długich dokumentach
jest w AcroReadzie bardzo nieefektywne.
O.C.
-------------------------------------------------
wśród blasku laserów i szumu wentylatorów
-------------------------------------------------
To archiwum zostało wygenerowane przez hypermail 2.1.7 : Tue 18 May 2004 - 17:54:17 MET DST