Что делать с книгами, в которых нет текстового слоя

Forums: 

Ситуация такая: есть книги в форматах DJVU и PDF, картинок нет, только текст, НО этот текст закодирован в виде картинок
(на экране видны нормальные шрифты, но скопировать это все можно только в виде картинки)
Нельзя ли как-нибудь переконвертить такие файлы в FB2, ну или пусть даже в тот же PDF, но с OCRслоем, ведь текст читается, как обычный типографский текст. просто для того, чтобы книжку не копировали, у нее удален OCRслой.
Не поможет ли распечатка такого документа на "виртуальном принтере"?

А списочек книжек (желательно со ссылками на файлообменники и т.п.) можно? А то ведь может кто (в том числе и я) заинтересуется и OCR-ить поможет?

kozlenok написал:
А списочек книжек (желательно со ссылками на файлообменники и т.п.) можно? А то ведь может кто (в том числе и я) заинтересуется и OCR-ить поможет?

http://depositfiles.com/files/kon5m6qr1
http://depositfiles.com/files/t5np6gf08
моя Опера на эти ссылки показывает,будто они неправильные, но переходит по ним нормально.
Я в этих ссылках применил технологию для быстрого скачивания с депозита и летитбита:
если слева от ссылки в браузере на файл депозита или летитбита приставить "sfrom.net/" то файл будет скачан на полной скорости.
Такие ссылки я и написал сначала, но не учел, что ссылки расположены не в командной строке браузера, а на сервере Либрусека, соответственно sfrom.net тоже искался на Либрусеке. Тогда я приставил к адресам ещё один начальный http и все заработало!
Ссылки теперь ведут на быструю скачку файлов с депозита на полной скорости через sfrom.net(видимо у них есть Голд-аккаунты на депозите и летитбите, а вот на Рапиде нету)

Перевести в джипеги и сделать OCR.

Цитата:
Перевести в джипеги и сделать OCR.

Технологию процесса - в студию !!!
Аватар пользователя Captain Scarlett

Цитата:
Нельзя ли как-нибудь переконвертить такие файлы в FB2, ну или пусть даже в тот же PDF, но с OCRслоем

"Переконвертить" нельзя. Нужно распознать текст так, как мы распознаем отсканированные картинки.
Цитата:
Не поможет ли распечатка такого документа на "виртуальном принтере"?

Нет, не поможет. Поможет только OCR. Переводить в джипеги не нужно, Файнридер (по крайней мере, последние его версии) прекрасно понимает pdf.

И дежавю тоже ФР понимает. С 9 версии.

Вообще, забавный товарищ.
Как он себе представляет, книги (в виде текстов) в сеть попадают?
Тетеньки машинистки перепечатывают? )))

Мой девятый не распознаёт. Приходится переводить в PDF.

Это странно, потому что должен.
http://www.abbyy.ru/support/finereader/90/product_info/FF
Кроме Home Edition. (Но у Вас же не хоум, потому что хоум и pdf не понимает).

Igorek67 написал:
Мой девятый не распознаёт. Приходится переводить в PDF.

Вообще-то где-то есть файл, который надо положить в специальную папочку, и тогда ФР9 научается распознавать и djvu. Но я что-то не могу его найти. :(
Попробуйте посмотреть здесь. Там внизу есть ещё пара линков.

TaKir написал:
Вообще, забавный товарищ.
Как он себе представляет, книги (в виде текстов) в сеть попадают?
Тетеньки машинистки перепечатывают? )))
На самом деле у многих людей есть такое представление, что где-то существует умная утилитка, нужно ее только найти в сети, и тогда одним-двумя нажатием кнопки можно сделать любую книШку из любого формата. Слова о том, что придется прикладывать довольно кропотливый труд такие друзья воспринимают либо как жестокий обман или просто неинформированность "печального вестника", либо как личное оскорбление. Такая вот, ничем незамутненная, вера в компьютерное всемогущество. :)

UPD
И правда всемогущество! Написала этот пост я, Tanja45. Но вот сайт уверяет меня, что я вовсе даже и не Tanja45, а совсем даже напротив - JuliaVS. Но я пока ему не верю, я точно знаю, что я не JuliaVS.

JuliaVS написал:

На самом деле у многих людей есть такое представление, что где-то существует умная утилитка...
...
Слова о том, что придется прикладывать довольно кропотливый труд такие друзья воспринимают либо как жестокий обман или просто неинформированность "печального вестника", либо как личное оскорбление.

На самом деле это представление справедливо для многих видов деят-ти, обычно связанных с компом.
Я называю это "знание о волшебной кнопке". Или программе.
Которая делает все сама. Моментально, красиво и с учетом любых тараканов-пожеланий в мозгу этого знающего.

TaKir написал:
На самом деле это представление справедливо для многих видов деят-ти, обычно связанных с компом.
Я называю это "знание о волшебной кнопке". Или программе.
Которая делает все сама. Моментально, красиво и с учетом любых тараканов-пожеланий в мозгу этого знающего.

А нам? А книжникам? А мы тоже хотим! Это нечестно!
Аватар пользователя Captain Scarlett

O, в каком-то фантастическом сериале видела инопланетный девайс для сканирования книг: проводишь им по корешку и через несколько секунд вся книга отсканирована.

UPD Вот, нашла: http://www.youtube.com/watch?v=9CSPW-VUQis Начиная с 8:25 :)

TaKir написал:
"знание о волшебной кнопке". Или программе.
Которая делает все сама. Моментально, красиво и с учетом любых тараканов-пожеланий в мозгу этого знающего.
Бывает и хуже - "знание о волшебной галочке": вера в то, что в программе, которой часто пользуешься и которая что-то нужное не делает или делает плохо, есть в дебрях настройки галочка, которая позволяет программе начать работать правильно. (Кстати, это же и самая частая мотивация для покупки программы взамен shareware'ной или взломанной.) Встречается куда чаще "знания о волшебной кнопке", а вреда наносит ненамного меньше. :(

TaKir написал:

Вообще, забавный товарищ.
Как он себе представляет, книги (в виде текстов) в сеть попадают?
Тетеньки машинистки перепечатывают? )))

Это обо мне что ли?
я например как увижу где в сети текстик txt, html, doc так сразу этот текстик ручками перенабираю в "блокноте" весь текст целиком. добавляю туда тегов и получается fb2 файл. а потом ещё дописываю на клавиатуре binary - коды обложки, я же ведь графических редакторов не знаю
с редакторами FB2 совершенно не знаком

Уточнение - с билда 724.

izaraya написал:
Цитата:
Не поможет ли распечатка такого документа на "виртуальном принтере"?

Нет, не поможет. Поможет только OCR. Переводить в джипеги не нужно, Файнридер (по крайней мере, последние его версии) прекрасно понимает pdf.

вообще-то "виртуальный принтер"- это такая программа, которая конвертит любые файлы в PDF. Для конвертации нужно эту программу поставить "принтером по умолчанию" и из любой другой программы(из Ворда,Пэйнта,браузера, Блокнота и т.п.) отправить что-то на печать, как это "что-то" конвертится в PDF.
Вот я и подумал, что может есть такой виртуальный принтер, который картинку в PDF переведет в текст в PDF.
Аватар пользователя Captain Scarlett

Я в курсе, что такое виртуальный принтер.
Вы поймите, что есть только один способ перевести картинку в текст: ocr (распознавание). Ну, можно еще набрать текст вручную :))

Цитата:
вообще-то "виртуальный принтер"- это такая программа, которая конвертит любые файлы в PDF.

Вообще-то "виртуальный принтер" - это программа, которая переводит файл на язык, понятный принтеру. Как реальному, так и виртуальному. Её цель именно в этом - что бы принтер понял, как печатать файл. И для целей принтера совершенно не нужен распознанный файл. Его цель - понять, как печатать то, что есть (подгружать шрифты, или печатать их растром; с каким разрешением печатать; цветное или черно-белое, и т.д.). Выходной файл виртуального принтера - .prn или .ps
То, о чем Вы говорите - "конвертит любые файлы в PDF" - это делает программа Acrobat Distiller. Её цель - преобразовать файл .ps в файл .pdf, что бы можно было увидеть глазами то, что мы увидим на печати.
То, что из прикладных программ это делается в один этап, а не в два, не означает, что процесс один. Это просто видимость, результат работы встроенного дистиллера.
В этом и загвоздка - не нужно принтеру, для того, что бы печатать - распознавать. Да и язык Postscript не позволяет (насколько я знаю).
То, что Вы хотите - это не виртуальный принтер, а виртуальный OCR. Что бы программа типа файнридера сделала всю работу, но Вы бы этого даже не заметили, а потом ещё и результат OCR заново записала в pdf. Чисто технически это наверное возможно реализовать. Только зачем?

niksi написал:
Цитата:
То, о чем Вы говорите - "конвертит любые файлы в PDF" - это делает программа Acrobat Distiller. Её цель - преобразовать файл .ps в файл .pdf, что бы можно было увидеть глазами то, что мы увидим на печати.
То, что из прикладных программ это делается в один этап, а не в два, не означает, что процесс один. Это просто видимость, результат работы встроенного дистиллера.
В этом и загвоздка - не нужно принтеру, для того, что бы печатать - распознавать. Да и язык Postscript не позволяет (насколько я знаю).
То, что Вы хотите - это не виртуальный принтер, а виртуальный OCR. Что бы программа типа файнридера сделала всю работу, но Вы бы этого даже не заметили, а потом ещё и результат OCR заново записала в pdf. Чисто технически это наверное возможно реализовать. Только зачем?
Не только Acrobat Distiller, но и ещё очень много разных программ.
DoPDF,NovaPDF, BroadgunPDFMachine, и мн. др., некоторые из них распознают только английские буквы, другие - и русские и англ. и др. алфавиты.
Возможно, я неправильно представлял этот процесс.
Мне казалось, что, поскольку программы, из которых это всё распечатывается, не имеют представления, куда они все это печатают на самом деле, то они печатают растр(картинку), а виртуальный принтер по мере возможности распечатает похожее на его взгляд на буквы- буквами, а остальное - картинкой.
В частности, такая уверенность, основывалась еще и на том, что шрифты в PDF и исходные в Word не всегда совпадают.

Цитата:
В частности, такая уверенность, основывалась еще и на том, что шрифты в PDF и исходные в Word не всегда совпадают.

Это подстановка одних шрифтов вместо других. Процесс более простой, чем OCR.
Функция "печатать шрифт как растр" действительно существует. Но это очень простая операция. А вот "растр как текст" - это уже OCR. Процесс сложный и не нужный для целей принтера.
На самом деле я очарован вашей идеей. Действительно, почему нет автоматического аналога этого процесса.
Ведь что мы делаем в Finereader:
1. Открываем изображения.
2. Анализируем текст (рисуем области).
3. Распознаем текст.
4. Сохраняем во внешнее приложение.
Почему же нельзя это автоматизировать, сделать одним процессом. Где мы просто укажем - входной файл - распознать - выходной файл.
Наверное потому, что это не очень нужно - ведь результат получится грязный. Потому что файнридер позволяет на каждом этапе своих процессов контролировать и поправлять результат.

Цитата:
...Почему же нельзя это автоматизировать, сделать одним процессом. Где мы просто укажем - входной файл - распознать - выходной файл.
Жжоте! В Windows eсть опция - Получить файл со сканера, типа. Кладете лист, жмете и получаете doc-файл с распознанным текстом.

niksi, спасибо за подробное разъяснение.

в комменте http://lib.rus.ec/node/198011#comment-123124 указал ссылки на 2 книжки Малколма Гладуэлла(на Либрусеке есть на англ., а эти на русском)
"Озарение" и "Переломный момент"

FR Portable 9 распознает без всяких лишних манипуляций )

А у меня и не Portable, и тоже распознает без всяких манипуляций. Как установился, так и стал распознавать. Но у меня ХР. А у Вас, Игорёк, Vista?

X