{"id":3557,"date":"2023-09-12T16:18:22","date_gmt":"2023-09-12T14:18:22","guid":{"rendered":"https:\/\/linux-bibel.at\/?p=3557"},"modified":"2023-11-29T09:58:27","modified_gmt":"2023-11-29T08:58:27","slug":"ocrfeeder-digitalisierung-und-weiterverarbeiten-von-dokumenten","status":"publish","type":"post","link":"https:\/\/linux-bibel.at\/index.php\/2023\/09\/12\/ocrfeeder-digitalisierung-und-weiterverarbeiten-von-dokumenten\/","title":{"rendered":"OCRFeeder – Digitalisierung und Weiterverarbeiten von Dokumenten"},"content":{"rendered":"\n
\"\"
OCRFeeder<\/strong><\/figcaption><\/figure>\n\n\n\n

Beschreibung<\/strong><\/p>\n\n\n\n

Das Programm OCRFeeder<\/strong> vereinfacht das Importieren, Zuschneiden und Konvertieren von gescannten bzw. abfotografierten Dokumenten durch Kombination mehrerer Tools in einer Anwendung. Die Texterkennung erfolgt mittels Tesseract-OCR<\/em><\/strong> und die ebenfalls integrierte Layoutanalyse erledigt Unpaper<\/strong><\/em>. Scans lassen sich nach erfolgter Verarbeitung anschlie\u00dfend als ODT-Dokument speichern und in Libre Office weiter verarbeiten und neu formatieren. Ein direkter Export ins HTML- als auch PDF-Format ist ebenso m\u00f6glich.<\/p>\n\n\n\n

Installation<\/strong><\/p>\n\n\n\n

F\u00fcr Debian, Ubuntu und Linux Mint liegen die ben\u00f6tigten Programm-Komponenten in den Paketquellen zur Installation bereit:<\/p>\n\n\n\n

sudo apt install ocrfeeder tesseract-ocr-deu<\/code><\/pre>\n\n\n\n
F\u00fcr die Erkennung deutschsprachiger Texte ist die Sprachdatei tesseract-ocr-deu<\/em><\/strong> zwingend erforderlich.<\/p>\n\n\n\n
Sie finden die Anwendung unter Men\u00fc -> Grafik -> OCRFeeder oder via [Strg] + [alt] + [F2]<\/strong><\/em> nach Eingabe von OCRFeeder<\/em><\/strong>.<\/p>\n\n\n\n
Anwendung<\/strong><\/p>\n\n\n\n
Ein h\u00e4ufiges Anwendungs-Szenario: Es liegen mehrseitige Text- und Bilddokumente bzw. kombiniert nurmehr in gedruckter Form vor. Um zwischenzeitliche Textaktualisierungen durchzuf\u00fchren, m\u00fcssten die entsprechenden Seiten dazu neu getippt werden. Bei wenigen vertretbar, bei vielen ein immenser Zeitaufwand. Einfacher ist es, die Dokumente einzuscannen und anschlie\u00dfend in Libre Office neu zu editieren.<\/p>\n\n\n\n
Bevor wir loslegen k\u00f6nnen, muss noch eine Einstellung kontrolliert werden. Dazu starten Sie OCRFeeder, wechseln in der Men\u00fczeile zu Bearbeiten<\/em><\/strong> -> Einstellungen<\/em><\/strong> zum Reiter Werkzeuge<\/strong><\/em>. Falls noch nicht geschehen, setzen Sie ein H\u00e4kchen im unteren Bereich in Bilder begradigen<\/strong><\/em>.<\/p>\n\n\n\n
\"\"
OCRFeeder<\/strong><\/strong><\/figcaption><\/figure>\n\n\n\n
Mit Klick auf das \u00bb+<\/strong>\u00ab -Zeichen lassen sich nun Dokumente und Bildmaterial aus diversen Quellen hinzuf\u00fcgen.
Um im Beispiel zu folgen, importieren wir das erste Dokument vom Scanner. Klicken Sie auf Datei<\/strong><\/em> -> Seite vom Scanner importieren<\/strong><\/em>.<\/p>\n\n\n\n
\"\"
OCRFeeder<\/strong><\/strong><\/figcaption><\/figure>\n\n\n\n
Die erfolgreiche Scannersuche best\u00e4tigen Sie noch.
Die erste Seite wird gescannt und erscheint nun im Programmfenster. Klicken Sie jetzt auf den Schalter Automatische Detektion<\/strong><\/em>.<\/p>\n\n\n\n
\"\"
OCRFeeder<\/strong><\/strong><\/figcaption><\/figure>\n\n\n\n
Diese Layoutanalyse teilt die Seite in Bereiche auf, die Tesseract einzeln \u00fcbergeben werden. Im Vorschaufenster wird das Teilergebnis der Texterkennung ausgegeben\u2026<\/p>\n\n\n\n
\"\"
OCRFeeder<\/strong><\/strong><\/figcaption><\/figure>\n\n\n\n
Sind Sie mit dem Ergebnis zufrieden, importieren Sie das n\u00e4chste Dokument und verfahren wie beschrieben.<\/p>\n\n\n\n
Ist es nur eine Seite, exportieren Sie diese mit Klick auf dem entsprechenden Schalter in der Symbolleiste.
Bei mehreren Seiten markieren Sie diese, es folgt ein Klick auf vorgenannten Schalter\u2026<\/p>\n\n\n\n
\"\"
OCRFeeder<\/strong><\/strong><\/figcaption><\/figure>\n\n\n\n
W\u00e4hlen Sie einen Speicherort und vergeben einen passenden Namen.
Das so exportierte Dokument kann nun in Libre Office ge\u00f6ffnet, weiter verarbeitet und neu formatiert werden.
\u00dcberfl\u00fcssige Elemente markieren und entfernen Sie\u2026<\/p>\n\n\n\n
\"\"
OCRFeeder<\/strong><\/strong><\/figcaption><\/figure>\n\n\n\n
Es lassen sich zudem auch ein- oder mehrseitige PDF-Dokumente in OCRFeeder importieren und in einem Rutsch ins HTML- bzw. ODT-Format exportieren.<\/p>\n\n\n\n
Abschlie\u00dfende Anmerkung bzgl. Flatpak-Version<\/strong><\/p>\n\n\n\n
In einigen Distributionen wie etwa Solus liegt die Anwendung nicht  als natives Paket im Repository vor. Hier k\u00f6nnte<\/em> man auf die Flatpak-Version zur\u00fcckgreifen die mit dem Befehl:<\/p>\n\n\n\n
flatpak install flathub org.gnome.OCRFeeder<\/code><\/pre>\n\n\n\n
zu installieren w\u00e4re.<\/p>\n\n\n\n
Davon kann ich aber nur abraten. Mit einer Installationsgr\u00f6\u00dfe von \u00fcber 1,6 GB<\/strong> \u00fcberschreitet sie weit das vertretbare Ma\u00df und steht in keinem Verh\u00e4ltnis. Hier sollte man auf Alternativen zur\u00fcckgreifen, die in Linux mehrfach zur Verf\u00fcgung stehen.<\/p>\n\n\n\n
Erstver\u00f6ffentlichung von beluga \u00bb Mi 3. Aug 2022, 15:21<\/strong><\/p>\n
\r\n    
\r\n    \r\n                            \"Gef\u00e4llt\r\n            <\/a>\r\n    1    <\/span>\r\n<\/div>
\r\n    \r\n                            \"Gef\u00e4llt\r\n            <\/a>\r\n    <\/span>\r\n<\/div><\/div>","protected":false},"excerpt":{"rendered":"
Beschreibung Das Programm OCRFeeder vereinfacht das Importieren, Zuschneiden und Konvertieren von gescannten bzw. abfotografierten Dokumenten durch Kombination mehrerer Tools in einer Anwendung. Die Texterkennung erfolgt mittels Tesseract-OCR und die ebenfalls integrierte Layoutanalyse erledigt Unpaper. Scans lassen sich nach erfolgter Verarbeitung anschlie\u00dfend als ODT-Dokument speichern und in Libre Office weiter verarbeiten und neu formatieren. Ein direkter […]<\/p>\n","protected":false},"author":7,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[51,57],"tags":[408,120,404,405,409],"class_list":["post-3557","post","type-post","status-publish","format-standard","hentry","category-bildbearbeitung","category-buero","tag-ocrfeeder","tag-optische-texterkennung","tag-tesseract","tag-tesseract-ocr","tag-unpaper"],"_links":{"self":[{"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/posts\/3557","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/comments?post=3557"}],"version-history":[{"count":2,"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/posts\/3557\/revisions"}],"predecessor-version":[{"id":3576,"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/posts\/3557\/revisions\/3576"}],"wp:attachment":[{"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/media?parent=3557"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/categories?post=3557"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/linux-bibel.at\/index.php\/wp-json\/wp\/v2\/tags?post=3557"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}