IamDimulya Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Коллеги. Прошу вашего совета. Стоит задача конвертировать pdf в docx, взяв исходник скажем на archive.org   Последние версии всех прог, которые они используют, в том числе кстати и ABBYY Finereader 11-16, создают untagged pdf, то есть Foxit Reader по Ctrl-6 показывает нормальный текстовый слой, но попытка его экспортировать в docx приводит к куче ошибок или он тащит страницу как jpeg. Набор программ, с которыми я эксперементировал, велик. Пробую версии популярных продуктов начиная с 2015 по 2023 год. Такое ощущение, что новые спецификации pdf существуют для того, что спрятать в них текст так, чтобы до него было не добраться.   Прошу поделитесь вашими соображениями и сценариями. То есть регулярно приходится самому делать текстовый слой, что очень затратно по времени. Благодарю. Всего записей: 396 | Зарегистр. 01-09-2003 | Отправлено: 07:28 31-12-2023

IamDimulya Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору TelecomUral   Простой пример кракозябл - это https://elib.spbstu.ru/dl/2/2973.pdf/download/2973.pdf Я его открываю на Win10 22H2 x64 с системной локалью English. В Foxit Reader есть сочетание клавиш Ctrl-6, которое показывает текстовый слой, на нём кракозяблы. Вопрос - как их исправить? У меня получается так, что приходится перераспознавать. Идеологически хочется где-то прописать кодировку текста соответствующую, но я не представляю, ВОЗможно ли это сделать и как?!   Добавлено: snch   Я решаю эту задачу на протяжении последних месяцев. В итоге главным под описанной выше системой стал Foxit PDF Editor 2023.1.0.15510 Pro Multi-Ru Portable by 7997. Настойки экспорта https://ibb.co/XpcTsV7 Однако, PDF оказывается могилой для данных, потому чем новее версии исходных файлов, тем больше сложностей они дают на выходе, запускт экспорта без возможной оценки результата. Сложности могут быть и pdf с архива.org или последняя версия инструкции к DaVinci Resolve.   Потому у меня скачаны все остальные возможные pdf-редакторы, имеющие эту функцию. Особо выделяется infix, который вытаскивает то, что остальные отказываются, причём разные версии иногда дают очень разные результаты.   Также не понятна ситуация - Foxit показывает текстовый слой, а новые жирные приложения для записи в docx либо экспортируют бэкграунд страниц и файл получается невообразимых размеров, с выделяемым текстом, но не переводимый и не удобоваримый. При снятии же 1-й галочки в Foxit PDF Editor "Экспортировать изображения" получается пустой файл. Я никак не могу взять в толк, почему текстовый слой виден, но не доступен при экспорте, хотя его и сам Foxit PDF Editor показывает. Также некоторых старых pdf, оригинально сделанных в Adobe PDF Editor при экспроте часть символов портится и приходится перераспознавать файл. В общем, адский колхоз и куча борьбы. Для страховки лучше ставить экспорт 15 страниц, это экономит время, хотя многие и для сохранения 15 страниц вошкаются с созданием базы данных непомерно большое время. TelecomUral Прошу вас, прокомментируйте ситуацию, есть ли у вас решения? Благодарю.   Добавлено: galina2000   Сделал экспорт в docx в трёх разных программах без OCR, получился разный результат. Думаю, каждому в этой группе пригодится взглянуть www.upload.ee/files/16146464/Page2Docx_3differentResults_.7z.html Ссылку исправил. Прошу. Всего записей: 396 | Зарегистр. 01-09-2003 | Отправлено: 07:52 10-01-2024 | Исправлено: IamDimulya, 01:38 11-01-2024

IamDimulya Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору TelecomUral Ссылку исправил.   Благодарю.   jourmager Благодарю за помощь. Согласен с ComboFZ, в вашем побилась вся латиница.   ComboFZ Да, прекрасный вариант. Теперь бы ещё текстовый исходник, который в интегрировали в документ и алгоритмы для этого.   TelecomUral jourmager ComboFZ   Прошу поделитесь инструкцией, как этой штукой pdf-recode_2010_12_10 пользоваться. Я ожидал увидеть исполняемый файл, а там гиганский набор скриптов, ещё и под Linux, вероятно.   В конечном счёте, интересует алгоритм - как наиболее эффективно вытаскивать текстовый слой из pdf, исправлять в нём ошибки, чтобы сунуть его в систему автоматического перевода. Я собираю большой индекс книг, в нём уже более 300 гигов и много групповых задач.   Например - просканировать все pdf на предмет неверной кодировки и исправить это. Например, патенты RU часто этим грешат. Но я так понял, что это нетривиальная задача?!   Вот например, один из важнейших журналов по подлинной науке www.unconv-science.org/pdf/IJUS-v23-2019.pdf, в нём неверная кодировка. Прошу помочь в автоматизации поиска и ковертации таких. У меня уже давно ощущение, что скоро в привычном нам Интернете многое может измениться, а без нормальной кодировки в индексе (dtSearch) оказывается фигня...     Всего записей: 396 | Зарегистр. 01-09-2003 | Отправлено: 00:26 13-01-2024 | Исправлено: IamDimulya, 00:27 13-01-2024

zvezdochiot Full Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору IamDimulya say: Цитата: а там гиганский набор скриптов, ещё и под Linux Не вводите людей в заблуждение. Это перл-скриты и не абы какие, а жёстко виндовские. Такие ни под какой другой осью, кроме винды, пахать не будут ни при каких обстоятельствах. Это всё строго MS windows!   Всего записей: 562 | Зарегистр. 18-05-2023 | Отправлено: 00:38 13-01-2024

IamDimulya Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Благодарю.   На md не обратил внимание. В моём посте выше есть ссылка на pdf. Прошу прокомментируйте его конвертацию, такого рода файлы для начала самое то лечить, а не распознавать, а то ещё и формулы ломаются... Всего записей: 396 | Зарегистр. 01-09-2003 | Отправлено: 08:02 14-01-2024

MBK2 Silver Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Странные вы люди, постояльцы руборда Ссылку на тему нашли, но слабо чуть дальше почитать? Обьяснил же на пальцах как этот recode правильно готовить и с чем есть, и все равно вопросы десять лет... Всего записей: 4576 | Зарегистр. 18-09-2018 | Отправлено: 16:47 14-01-2024

Страницы: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183

Компьютерный форум Ru.Board » Компьютеры » Программы » Редактирование PDF файлов

Переход по форумам  Закладки   » Компьютеры Цифровое изображение Программы Microsoft Windows UNIX Другие OS Hardware В помощь сисадмину Прикладное программирование Игры Форумные игры   » Интернет Web-программирование В помощь вебмастеру Графика Хостинг Зацените-ка!   » Тематические Ikonboard v.2 Ikonboard v.3 Invision Board Другие форумы PHP-Nuke и другие порталы Мобила   » Общие Спорт Флейм Темы по региональным встречам Музыка и Кино Юмор Литература и Живопись   » Ru.Board Новости Помощь по форуму   » Андеграунд eBookz Варезник Раздачи и акции Мобильный варезник Андеграунд Игры и фильмы   » Специальные Тестирование