Différences

Ci-dessous, les différences entre deux révisions de la page.

--- info:ocr [2022/08/16 11:58] – radeff
+++ info:ocr [2024/05/16 02:51] (Version actuelle) – radeff
@@ Ligne 46: / Ligne 46: @@
     tesseract page$i.png $OUTPUT$i -l fra
 done</code>
-http://www.tristancollins.me/computing/ocr-using-tesseract-on-multipage-pdfs/
+==== Liens ====
-http://code.google.com/p/tesseract-ocr/
+  * https://github.com/tesseract-ocr/tesseract/blob/main/README.md
+  * http://www.tristancollins.me/computing/ocr-using-tesseract-on-multipage-pdfs/
+  * https://azlinux.fr/tesseract/|Comment utiliser Tesseract pour extraire du texte à partir d'images
 marche nickel!
+===== GUI =====
+Si on veut pas s'embêter avec la ligne de commande (et avec les formats de fichiers...)
+    sudo apt-get install gimagereader
+{{:info:ksnip_20220816-115703.jpg?nolink|}}
+si on veut du russe il faudra installer le dictionnaire
+    sudo apt install hunspell-ru
+et bien sûr le dico français si vous ne l'avez pas déjà
+    sudo apt install hunspell-fr
 ===== Russe =====
@@ Ligne 62: / Ligne 76: @@
     sudo apt-get install tesseract-ocr-rus
-===== GUI =====
+==== exemple de script bash pour le russe ====
+<code bash>
-Si on veut pas s'embêter avec la ligne de commande (et avec les formats de fichiers...)
+#!/usr/bin/bash
-    sudo apt-get install gimagereader
+# ocr-ru: convert (optical character recognition) jpg russian voc to text/csv file
+# usage: ocr-ru then translate it and drill it with anki
-{{:info:ksnip_20220816-115703.jpg?nolink|}}
+# copyleft radeff.red - use it at your own risk!
+ladate=$(date +'%Y%m%d')
+echo "ocr which russian image?"
+ls *.jpg
+read i
+convert $i $i.png
+tesseract $i.png $ladate -l rus
+rm $i.png
+echo "conversion ok, edit "$ladate".txt now"
+#delete empty lines
+sed -i '/^$/d' $ladate.txt
+#delete line with only spaces
+sed -i '/^ *$/d' $ladate.txt
+#delete end line with strange char from whatsapp
+sed -i '/^$/d' $ladate.txt
+mv $ladate.txt $ladate.csv
+geany $ladate".csv"&
+</code>