[gelöst] OCR in PDF-Dateien anzeigen lassen

[B52]

Hallo Community,

gibt es eine Möglichkeit bei PDF-Dateien anzeigen zu lassen, ob OCR vorhanden ist oder nicht. Habe hier viele eingescannte Dokumente, wo teils OCR vorhanden ist oder eben nicht. Wie finde ich effizient heraus, welche PDF-Datei bereits OCR hat? Die Sprachen sind Deutsch und Französisch.

Nachtrag: Die PDF's lasse ich mit PDF24 durch den OCR-Creator unter wine laufen, was tipptopp funktioniert.

B52

--edit--
Typo

[rodney]

Hallo Community,

gibt es eine Möglichkeit bei PDF-Dateien anzeigen zu lassen, ob OCR vorhanden ist oder nicht. Habe hier viele eingescannte Dokumente, wo teils OCR vorhanden ist oder eben nicht. Wie finde ich effizient heraus, welche PDF-Datei bereits OCR hat? Die Sprachen sind Deutsch und Französisch.

Du suchst also eingescannte PDF-Dateien die noch keinen Text und nur Bilder enthalten, also noch keinen nachtraeglich eingebetteten Text enthalten? Wenn dem so ist:

Code: Alles auswählen

if $(grep -aq '/Text' <datei.pdf>); then echo "Enthaelt Text"; else echo "Enthaelt KEINEN Text"; fi

Nachtrag: Die PDF's lasse ich mit PDF24 durch den OCR-Creator unter wine laufen, was tipptopp funktioniert.

Bei mir erledigen das pdfsandwich, pdftk, imagemagick, tesseract und bc ohne wine, was auch tipptopp funktioniert

[JTH]

Code: Alles auswählen

if $(grep -aq '/Text' <datei.pdf>); then echo "Enthaelt Text"; else echo "Enthaelt KEINEN Text"; fi

Das ist aber mal ein Fall von „useless use of command substitution“ und „useless use of subshell“

Folgendes reicht völlig:

Code: Alles auswählen

if grep -aq '/Text' <datei.pdf>; then echo "Enthaelt Text"; else echo "Enthaelt KEINEN Text"; fi

[B52]

Code: Alles auswählen

$ if $(grep -aq '/Text' '178. Sitzung_d.pdf'); then echo "Enthaelt Text"; else echo "Enthaelt KEINEN Text"; fi
Enthaelt KEINEN Text

vs.

Code: Alles auswählen

$ if $(grep -aq '/Text' '22. Sitzung_d.pdf'); then echo "Enthaelt Text"; else echo "Enthaelt KEINEN Text"; fi
Enthaelt Text

Ja, genau das suche ich. Es sind von Schreibmaschine geschriebene Sitzungsprotokolle, die eingescannt wurden. Jetzt muss ich nur noch herausfinden, wie ich das Ordnerweise anwenden kann, also auf:

Code: Alles auswählen

~/Dokumente/Originale zum Versand/Protokolle 1989-1996$ ls
'178. Sitzung_d.pdf'  '185. Sitzung_d.pdf'  '192. Sitzung_d.pdf'  '199. Sitzung_f.pdf'	'206. Sitzung_f.pdf'  '213. Sitzung_d.pdf'  '220. Sitzung_d.pdf'
'179. Sitzung_d.pdf'  '186. Sitzung_d.pdf'  '193. Sitzung_d.pdf'  '200. Sitzung_f.pdf'	'207. Sitzung_f.pdf'  '214. Sitzung_d.pdf'  '221. Sitzung_d.pdf'
'180. Sitzung_d.pdf'  '187. Sitzung_d.pdf'  '194. Sitzung_d.pdf'  '201. Sitzung_f.pdf'	'208. Sitzung_f.pdf'  '215. Sitzung_d.pdf'
'181. Sitzung_d.pdf'  '188. Sitzung_d.pdf'  '195. Sitzung_f.pdf'  '202. Sitzung_f.pdf'	'209. Sitzung_d.pdf'  '216. Sitzung_d.pdf'
'182. Sitzung_d.pdf'  '189. Sitzung_d.pdf'  '196. Sitzung_f.pdf'  '203. Sitzung_f.pdf'	'210. Sitzung_d.pdf'  '217. Sitzung_d.pdf'
'183. Sitzung_d.pdf'  '190. Sitzung_d.pdf'  '197. Sitzung_f.pdf'  '204. Sitzung_d.pdf'	'211. Sitzung_d.pdf'  '218. Sitzung_d.pdf'
'184. Sitzung_d.pdf'  '191. Sitzung_d.pdf'  '198. Sitzung_f.pdf'  '205. Sitzung_d.pdf'	'212. Sitzung_d.pdf'  '219. Sitzung_d.pdf'

aber vielen Dank, das ist auf jeden Fall schon ein Anfang!

[B52]

Folgendes reicht völlig:

Jep, geht auch

Code: Alles auswählen

yuna@debian:~/Dokumente/Originale zum Versand/Protokolle 1958-1977$ if grep -aq '/Text' '93. Sitzung_d.pdf'; then echo "Enthaelt Text"; else echo "Enthaelt KEINEN Text"; fi
Enthaelt Text