Задачка для профессионалов (раздербанить pdf) - Флейм

Sinker · 12.07.2005, 02:42

Собсно есть pdf. Надо вытащить из него текст. Кажется просто? Мне тоже так казалось. Через 5 часов мучений решил спросить совета у вас. Кажется, попробовал уже все, что можно... Самая большая проблема найти шрифт TimesPal...

Вобщем, кто сможет вытащить нормальный русский текст из второго абзаца (первый нормально и у меня копируется), тому будет от меня ОГРОМНОЕ спасибо.

buzic · 12.07.2005, 03:00

Исходить нужно из постановки задач.
Так вот при таком куске текста самое простое:
1. Открыть pdf
2. Нажать принт скрин
3. Открыть и обрезать в фотошопе или в другом редакторе и сохранить в jpg или другом совместимом формате.
4. Окрыть и распознать в FineReader
5. Экспортировать в ворд. и вот результат:
"У каждой женщины бывают сны, пос¬ле которых не хочется просыпаться. Уж очень они лучезарные — на их фо¬не явь кажется до обидного серой, ни¬кчемной и безысходной. Остается только обнять подушку и попытаться вновь вызвать те фантастические ви¬дения, от которых горячо в сердце и солоно на щеках...
Современная наука называет это эскапизмом — бегством от жизни. Но мир слишком велик и прекрасен, что¬бы просто взять и убежать. И потом — у санктпетербурженки Марины Шуто¬вой много обязательств перед ним. Большая семья — муж, четверо детей, два ротвейлера, сиамский кот, пара
принадлежит самому главному муж¬чине на земле — американскому акте¬ру Джонни Деппу.
Великая ДЕППрессия
Все началось в 1992 году. Джонни Депп только что вернулся со съемок фильма "Сны Аризоны" и находился в состоянии очередного выяснения отношений с Вайноной Райдер. Во время "разборок" Джонни обычно не смотрел телевизоры — он их разбивал. И, конечно же, пропустил скандаль¬ный репортаж о процветании видео¬пиратства в странах третьего мира.
Примерно в это же время на дру¬гом конце планеты тридцатилетняя"

Да вот не понял причем тут шрифт.

Sinker · 12.07.2005, 08:57

Хм... Видимо, в час ночи голова уже совсем не варит... Я пробовал просто копи-паст (получается ì Í‡Ê‰ÓÈ ÊÂÌ˘ËÌ˚ ·˚‚‡˛Ú ÒÌ˚, ÔÓÒÎÂ ÍÓÚÓ˚ı ÌÂ ıÓ˜ÂÚÒfl ÔÓÒ˚Ô‡Ú¸Òfl), пробовал открыть pdf в finereader (получается трудночитаемо, внутри слов пробелы, между словами пробелов нет... текста много, исправлять такое наверное дольше, чем заново набрать). Пытался также открывать разными программами и экспортировать в разные форматы...
Вобщем, не додумался только отпрнтскринить и картинку распознать. Спасибо, раз другого способа нет, попробую именно так.

aleks_vira · 14.10.2005, 18:16

На будущее - Solid Converter смог бы помочь.

vovik · 14.10.2005, 19:27

FineReader читает PDF. так что достаточно скормить ему этот файл и на выходе получишь текст.
Правда если этот файл один, то проще текст набить ручками (5-10 минут от силы)

Тем более, что часть текста копируется нормально прямо из Акробата
Очень подозреваю, что справится тут и Kleptomania (программка такая - хватает любой текст, который увидит на экране, например, из виндовых менюх)
ЗЫ: а пароли/защиту с PDF снимает детище элкомсофта

aleks_vira · 15.10.2005, 00:28

Читает??? Несмотря на то, что там за кодировки???
Не всегда он может напрямую прочесть PDF-ку, к сожалению.
А вот с офсайта текст: "FineReader 8.0 предварительно анализирует содержимое файла и для каждого текстового блока принимает решение: распознать его или извлечь соответствующий текст из текстового слоя. Таким образом удаётся увеличить качество распознавания и в 2 раза сократить время обработки".

И вообще, для работы с PDF FineReader использует сторонний модуль GhostScript.

12.07.2005, 03:00	# 2
buzic Newbie Регистрация: 27.01.2004 Адрес: Moldova of Republic Сообщения: 33	Не знаю как начет проф-ов но ответ прост.. Исходить нужно из постановки задач. Так вот при таком куске текста самое простое: 1. Открыть pdf 2. Нажать принт скрин 3. Открыть и обрезать в фотошопе или в другом редакторе и сохранить в jpg или другом совместимом формате. 4. Окрыть и распознать в FineReader 5. Экспортировать в ворд. и вот результат: "У каждой женщины бывают сны, пос¬ле которых не хочется просыпаться. Уж очень они лучезарные — на их фо¬не явь кажется до обидного серой, ни¬кчемной и безысходной. Остается только обнять подушку и попытаться вновь вызвать те фантастические ви¬дения, от которых горячо в сердце и солоно на щеках... Современная наука называет это эскапизмом — бегством от жизни. Но мир слишком велик и прекрасен, что¬бы просто взять и убежать. И потом — у санктпетербурженки Марины Шуто¬вой много обязательств перед ним. Большая семья — муж, четверо детей, два ротвейлера, сиамский кот, пара принадлежит самому главному муж¬чине на земле — американскому акте¬ру Джонни Деппу. Великая ДЕППрессия Все началось в 1992 году. Джонни Депп только что вернулся со съемок фильма "Сны Аризоны" и находился в состоянии очередного выяснения отношений с Вайноной Райдер. Во время "разборок" Джонни обычно не смотрел телевизоры — он их разбивал. И, конечно же, пропустил скандаль¬ный репортаж о процветании видео¬пиратства в странах третьего мира. Примерно в это же время на дру¬гом конце планеты тридцатилетняя" Да вот не понял причем тут шрифт.

14.10.2005, 19:27	# 5
vovik IMHO Ворчун-2006 Регистрация: 24.03.2003 Адрес: Москва Пол: Male Сообщения: 4 651	FineReader читает PDF. так что достаточно скормить ему этот файл и на выходе получишь текст. Правда если этот файл один, то проще текст набить ручками (5-10 минут от силы) Тем более, что часть текста копируется нормально прямо из Акробата Очень подозреваю, что справится тут и Kleptomania (программка такая - хватает любой текст, который увидит на экране, например, из виндовых менюх) ЗЫ: а пароли/защиту с PDF снимает детище элкомсофта Последний раз редактировалось vovik; 14.10.2005 в 19:30.

12.07.2005, 08:57	# 3
Sinker Junior Member Регистрация: 10.07.2003 Адрес: г. Королев, Россия Сообщения: 188	Хм... Видимо, в час ночи голова уже совсем не варит... Я пробовал просто копи-паст (получается ì Í‡Ê‰ÓÈ ÊÂÌ˘ËÌ˚ ·˚‚‡˛Ú ÒÌ˚, ÔÓÒÎÂ ÍÓÚÓ˚ı ÌÂ ıÓ˜ÂÚÒfl ÔÓÒ˚Ô‡Ú¸Òfl), пробовал открыть pdf в finereader (получается трудночитаемо, внутри слов пробелы, между словами пробелов нет... текста много, исправлять такое наверное дольше, чем заново набрать). Пытался также открывать разными программами и экспортировать в разные форматы... Вобщем, не додумался только отпрнтскринить и картинку распознать. Спасибо, раз другого способа нет, попробую именно так.

14.10.2005, 18:16	# 4
aleks_vira Junior Member Регистрация: 07.02.2005 Адрес: Ростов, ЮФО Сообщения: 177	На будущее - Solid Converter смог бы помочь.

15.10.2005, 00:28	# 6
aleks_vira Junior Member Регистрация: 07.02.2005 Адрес: Ростов, ЮФО Сообщения: 177	Читает??? Несмотря на то, что там за кодировки??? Не всегда он может напрямую прочесть PDF-ку, к сожалению. А вот с офсайта текст: "FineReader 8.0 предварительно анализирует содержимое файла и для каждого текстового блока принимает решение: распознать его или извлечь соответствующий текст из текстового слоя. Таким образом удаётся увеличить качество распознавания и в 2 раза сократить время обработки". И вообще, для работы с PDF FineReader использует сторонний модуль GhostScript.