Мои алгоритмы работы с FR11

Опубликовано сб, 04/08/2012 - 03:35 пользователем golma1

Последнее время часто стали возникать вопросы по поводу работы с ФР. Я много раз описывала свои методы - в личке, в форуме.
Сейчас решила собрать все советы в своём блоге.

Никого не собираюсь переубеждать, не буду тратить время на доказывание, что мой метод лучше какого бы то ни было другого; просто делюсь своими наработками - вдруг кому-нибудь пригодится? На вопросы по содержанию с удовольствием отвечу.

Я большой приверженец работы с ФР. С хорошими исходными файлами он позволяет максимально подготовить текст для экспорта сразу в fb2.
При таком экспорте решается сразу несколько важных проблем:
- диалоги сохраняют начальное тире, хотя в ФР после них стоят знаки табулятора (список/перечисление)
- сохраняется форматирование курсивом/полужирным
- никаких "мягких" переносов
- возможен экспорт картинок. Это, правда, половинное преимущество, поскольку картинку всё-таки хорошо бы обработать. Но, во-первых, обрабатывают картинки не все верстальщики, а во-вторых, сразу видно место, где они должны находиться.

Текст во многом писался для друзей, поэтому периодически встречается обращение на "ты".

После распознавания сохраните документ ФР.

Продолжение: Файл fb2, полученный из FR11

Комментарии

Опубликовано чт, 26/09/2013 - 12:36 пользователем Алексей_Н

Напряженка с поиском возникает и от стандартного ударения и от выделения ударных букв жирным курсивом (как любят делать на HL). Поэтому еще один элемент, мешающий поиску, погоды не делает.

Аватар пользователя s_Sergius

Опубликовано чт, 26/09/2013 - 12:46 пользователем s_Sergius

Так-то оно так.

Кстати, в FBE и HaaliReader поиск слов с выделением болдом и/или курсивом таки вполне нормально работает.
А вот в FBReader, AlReader и обоих CooReader — увы.

Опубликовано чт, 06/09/2012 - 03:14 пользователем golma1

Новая версия скрипта, ищущего ошибки OCR: http://rusfolder.com/32482905
###
В нём разрывы абзацев, обрабатываемые скриптами FBE выделены в отдельную группы и помещены под спойлер: вы можете решить, хотите ли исправить их на этапе распознавания в ФР или уже в самом FBE.
Кроме того, улучшено детектирование скриптов.
###

Этот скрипт, кроме поиска разрывов абзацев внутри страницы, находит разрывы абзацев страницей, что частенько может ускользнуть от внимания OCR-щика.
Только что запустила его на файл новой книги - более 40 проблемных мест. И если глаза могут что-то пропустить, то скрипт - ни за что. ;)
В общем, перфекционистам всячески рекомендую. :)

Опубликовано чт, 06/09/2012 - 04:05 пользователем GMAP

У меня этот скрипт стабильно валится с такой ошибкой:
Сценарий: c:\_FBEditor\Script\spotter.vbs
Строка: 236
Символ: 5
Ошибка: Индекс выходит за пределы допустимого диапазона: 'nStrLen'
Код: 800A0009
Источник: Ошибка выполнения Microsoft VBScript

Опубликовано чт, 06/09/2012 - 04:07 пользователем golma1

GMAP написал:
У меня этот скрипт стабильно валится с такой ошибкой:
Сценарий: c:\_FBEditor\Script\spotter.vbs
Строка: 236
Символ: 5
Ошибка: Индекс выходит за пределы допустимого диапазона: 'nStrLen'
Код: 800A0009
Источник: Ошибка выполнения Microsoft VBScript

Хммм...
А где Вы его запускаете? Это скрипт - НЕ для ФБЕ.
Не надо его в директорию ФБЕ копировать. Просто распакуйте архив куда-нибудь, где Вам удобно, и там запустите. И примените его на текстовом файле, полученном из ФР (опции см. выше).

Опубликовано чт, 26/09/2013 - 11:34 пользователем Zadd

golma1 написал:
А где Вы его запускаете? Это скрипт - НЕ для ФБЕ.
Не надо его в директорию ФБЕ копировать. Просто распакуйте архив куда-нибудь, где Вам удобно, и там запустите. И примените его на текстовом файле, полученном из ФР (опции см. выше).
А для какой программы? Для Бэйсика?(судя по расширению VBS=Visual Basic Script)
Применять на .fb2, но не в FBE, просто запустив скрипт в cmd, подставив ему имя файла .fb2 как аргумент в командной строке?

Опубликовано чт, 26/09/2013 - 12:26 пользователем golma1

Zadd написал:
golma1 написал:
А где Вы его запускаете? Это скрипт - НЕ для ФБЕ.
Не надо его в директорию ФБЕ копировать. Просто распакуйте архив куда-нибудь, где Вам удобно, и там запустите. И примените его на текстовом файле, полученном из ФР (опции см. выше).
А для какой программы? Для Бэйсика?(судя по расширению VBS=Visual Basic Script)
Применять на .fb2, но не в FBE, просто запустив скрипт в cmd, подставив ему имя файла .fb2 как аргумент в командной строке?

Есть новая версия этого скрипта. Она работает с файлами, экспортированными из ФР (сохранить как...). Для нее нужно сохранить проект в txt, html, rtf - с определенными опциями. Занимает даже на 600-страничном проекте меньше минуты.

Потом на эту троицу запускается скрипт (у него нормальный интерфейс, не нужно никакой командной строки, он на Дельфи, если я не ошибаюсь). Он работает порядка минуты, анализируя результаты, и выдаёт протокол. Как подробно смотреть протокол - каждый решает для себя. Я обращаю внимание только на разрыв абзаца страницей (когда в конце предыдущей страницы стоит точка) и на разрыв абзаца на точке в конце строки.

Но скрипт умеет больше: он видит "пропущенные" сноски (которые визуально не выделяются, если предварительно не работать со стилями, как я выше описывала), видит нарушение расположения блоков текста (иногда бывает вокруг картинки не во всю страницу) и ещё кучу мелочей.

Если интересует, могу выложить последнюю версию и опции для сохранения документа ФР.

Опубликовано пт, 07/09/2012 - 03:23 пользователем golma1

GMAP написал:
У меня этот скрипт стабильно валится с такой ошибкой:
Сценарий: c:\_FBEditor\Script\spotter.vbs
Строка: 236
Символ: 5
Ошибка: Индекс выходит за пределы допустимого диапазона: 'nStrLen'
Код: 800A0009
Источник: Ошибка выполнения Microsoft VBScript

Попробуйте эту версию: http://rusfolder.com/32499403

И сохраните всё же скрипт в другом месте, не внутри ФБЕ.


Для всех пользователей скрипта:

В этой версии разрыв абзаца, обрабатываемый скриптами в ФБЕ, не спрятан в спойлер, а выделен другим цветом (зелёным). То есть, если вы не собираетесь исправлять такие места в ФР, просто игнорируйте. Для тех же, кто хочет исправить разрыв уже на этой стадии, отпадает необходимость раскрывать спойлер.

Опубликовано чт, 06/09/2012 - 04:37 пользователем izekbis

golma1 написал:
Новая версия скрипта, ищущего ошибки OCR: http://rusfolder.com/32482905
Мне почему-то не скачать с этой ссылки. Все время дает ошибку. Может положите на другой файлообменник.

Опубликовано чт, 06/09/2012 - 04:39 пользователем golma1

izekbis написал:
. Все время дает ошибку. Может положите на другой файлообменник.

Вот, попробуйте здесь:
https://www.rapidshare.com/files/3103890321/spotter_2.20.zip

Опубликовано чт, 06/09/2012 - 04:48 пользователем izekbis

Вот, попробуйте здесь:
https://www.rapidshare.com/files/3103890321/spotter_2.20.zip
Спасибо! Здесь скачалось.

Опубликовано чт, 06/09/2012 - 17:21 пользователем tvnic

А вот у меня, как и с предыдущими двумя версиями, выскакивает вот это

Хотя лог и hta создаются
--------
Интересно, находил ли кто-нибудь разорванные абзацы после прогонки скриптом?

Опубликовано чт, 06/09/2012 - 22:32 пользователем Alex2L

Дружище tvnic!

Уважаемая golma1 внятно писала, что в случае, ежели название вашего файла на КИРИЛЛИЦЕ, да с пробелами внутри скрипт его не сможет вывести на дисплей. Не беда. HTA-файлы запускаються простым "тюк-тюк" мышкой в обозревателе. (Возможно операционка спросит кое о чем. Надо ответить утвердительно.) Либо НЕ ИСПОЛЬЗОВАТЬ кириллицу в названии TXT-файла. Вчитывайтесь в то, что пишет уважаемая golma1 - и будут всё в порядке.

Цитата:
Интересно, находил ли кто-нибудь разорванные абзацы после прогонки скриптом?

- двоих-то я точно знаю. :)
И поверьте - когда и у вас получится - мало не покажется!

Удачи!

Опубликовано пт, 07/09/2012 - 04:08 пользователем tvnic

Alex2L написал:
двоих-то я точно знаю. :)
И поверьте - когда и у вас получится - мало не покажется!
Удачи!

Я не имел в виду - сколько ошибок найдет скрипт. В этом я не сомневаюсь - сам убедился.
А ВСЕ ли ошибки он вылавливает?

Опубликовано пт, 07/09/2012 - 04:16 пользователем golma1

tvnic написал:

А ВСЕ ли ошибки он вылавливает?

Это уже довольно продвинутые версии, основные ошибки учтены. Но если Вы что-то заметите, пишите.

В последних мною "по старинке" (визуально) проверенных файлов, пропущенных мест не было. Сейчас работа идёт больше над уменьшением "ложных" срабатываний. Но и их уже не так много.

Опубликовано пт, 07/09/2012 - 04:28 пользователем tvnic

golma1 написал:
Но если Вы что-то заметите, пишите.

Конечно, в этом случае напишу. Но лучше, чтобы не пришлось это делать. Тогда и для глаз работы меньше.

Опубликовано пт, 07/09/2012 - 04:28 пользователем Alex2L

Предположительно, да. Даже есть лишние.
На сейчас - "узкое место" - когда абзац разрывается страницей со сносками. Но в этом случае - всё равно глазами смотреть надо.
Работа ведёться, как по сокращению "ложных срабатываний" так и по детектированию сносок.

Опубликовано пт, 07/09/2012 - 04:40 пользователем golma1

Alex2L написал:
Предположительно, да. Даже есть лишние.
На сейчас - "узкое место" - когда абзац разрывается страницей со сносками. Но в этом случае - всё равно глазами смотреть надо.
Работа ведётся, как по сокращению "ложных срабатываний" так и по детектированию сносок.

Точно! Я как раз зашла, чтобы написать о сносках.

Только что столкнулась с ситуацией, когда из-за сноски не был увиден "разрыв абзаца страницей".

Опубликовано пт, 07/09/2012 - 05:13 пользователем tvnic

Alex2L написал:
Работа ведёться, как по сокращению "ложных срабатываний" так и по детектированию сносок.

В любом случае скрипт очень полезный и нужный.
А стыки страниц - не такая уж проблема - знаешь где смотреть. На мой взгляд важнее отловить разрывы внутри страницы (100 % :) ), чтобы не искать их глазами.

Опубликовано пт, 07/09/2012 - 05:17 пользователем golma1

tvnic написал:

А стыки страниц - не такая уж проблема - знаешь где смотреть. На мой взгляд важнее отловить разрывы внутри страницы (100 % :) ), чтобы не искать их глазами.

+500! Постоянно твержу об этом нашему уважаемому разработчику. Но он перфекционист, ему всё равно. ;)

Внутри страницы отлавливаются все. Проверено на 15-20 файлах. После этого проверять перестала.

Опубликовано пт, 07/09/2012 - 05:22 пользователем tvnic

Если так, то бальзам на душу. Теперь об этой стороне распознавания/вычитки можно забыть. Естественно, предварительно применив данный скрипт.

Опубликовано пн, 10/09/2012 - 05:49 пользователем golma1

Предположительно последняя версия скрипта (в этом виде): http://rusfolder.com/32538257
Уменьшено количество ложных срабатываний за счёт учитывания подзаголовков типа "* * *" и заголовков типа "Глава..."

Если значительных ошибок не будет замечено, работа над ним приостановлена.
В планах - модификация скрипта с расширением функциональности (сроки не обозначены).

Опубликовано пн, 10/09/2012 - 06:11 пользователем tvnic

Скрипт очень полезен и в таком виде. С функциональностью можно и потерпеть :)
Вопрос к golma1, как опытнейшему распознавальщику. В среднем как много Вам в одной книге попадается склеенных абзацев?

Опубликовано пн, 10/09/2012 - 06:18 пользователем golma1

tvnic написал:
В среднем как много Вам в одной книге попадается склеенных абзацев?

В последней версии значительно меньше, чем в предыдущей. Порой - ни одного.

Но, поскольку время от времени они всё же встречаются, проверяю в каждой книге всё равно.

Опубликовано пн, 10/09/2012 - 07:58 пользователем golma1

tvnic написал:
В среднем как много Вам в одной книге попадается склеенных абзацев?

В сегодняшней книге (580 стр.) нашёлся всего один. Причём склеился на точке, проверка которой занимает наибольшее время:
Цитата:
— Ладно, неважно. Этот человек буквально спас меня. Рия положила трубку, и они с Энди посмотрели друг на друга. Одно препятствие было преодолено, причем почти случайно.

Казалось бы, одним склеенным абзацем на 580 страниц можно было бы пренебречь, но у перфекционистов жизнь тяжёлая... :(

Было ещё одно место, где в диалоге "-Да." приклеилось к предыдущей реплике, но такие места (мне) сразу видны, я их вылавливаю на первом этапе - при просмотре страниц.

Опубликовано пн, 10/09/2012 - 08:40 пользователем tvnic

Ясно.
Ведь качество сканов именно на количество склеенных абзацев не влияет? Это уже ФР грешит.
И где удобнее сравнивать - в ФР (там в окне "Текст" строки бывают перекошены) или ПДФ с ФБ2?

Опубликовано пн, 10/09/2012 - 08:57 пользователем golma1

tvnic написал:
Ясно.
Ведь качество сканов именно на количество склеенных абзацев не влияет? Это уже ФР грешит.
И где удобнее сравнивать - в ФР (там в окне "Текст" строки бывают перекошены) или ПДФ с ФБ2?

Ээээ... что-то я растерялась. Сравнивать?

Искать склеенные абзацы нужно при помощи метода ТаКира (выше описано). В ФР, после основного этапа распознавания (просматривания страниц и расстановки служебных пометок).

Опубликовано пн, 10/09/2012 - 11:11 пользователем tvnic

Честно говоря, думал, что после этого метода не мешало бы глазами проверить. Или это лишнее?

Опубликовано пн, 10/09/2012 - 11:35 пользователем golma1

tvnic написал:
Честно говоря, думал, что после этого метода не мешало бы глазами проверить. Или это лишнее?

Абсолютно лишнее. :)
Не помню, писала ли я выше, но я проверяю ещё на сочетание »^l
Важно для случаев типа
«И как ты решила?»
в конце абзаца.

Встречается крайне редко, но всё-таки... ;)

Опубликовано пт, 07/09/2012 - 01:41 пользователем golma1

tvnic написал:

Интересно, находил ли кто-нибудь разорванные абзацы после прогонки скриптом?

Вчера делала книгу, в которой скрипт нашёл более 40 (sic!) случае разрыва абзаца на строке с точкой.

В среднем "проблематичных" мест находится от 5 до 15.


Сегодняшний "улов":

Тривиальный разрыв абзаца страницей - 159 (спрятан в спойлер, не обрабатывается)

Разрыв абзаца страницей - 14 (отметила служебными знаками, чтобы соединить в ФБЕ)

Подозрительный фрагмент текста - 1 (оказался разрывом абзаца, когда следующая строка начиналась с цифры)

Возможный разрыв абзаца - 15 (в 2-х случаях оказался разрывом, остальные - перед ***, проверила один раз)

Внутриабзацный разрыв - 18 (выделено зелёным, обрабатывается на усмотрение OCR-щика; я разрывы исправила)


Затрата времени (с момента запуска скрипта) - 9 минут.


Кстати, специально для Вас, tvnic, попробовала ещё раз: оставила название файла на кириллице. Получила сообщение, открыла результативный файл вручную. Так что полминуты можно сбросить. ;)

Опубликовано пт, 07/09/2012 - 04:18 пользователем GMAP

Не предполагал, что текстовый файл может быть только и исключительно после FR11. Попробовал, совершенно не впечатлился, останусь на своих текущих инструментах, то бишь, на регэкспах EmEditor.

Опубликовано пт, 07/09/2012 - 04:41 пользователем golma1

GMAP написал:
Не предполагал, что текстовый файл может быть только и исключительно после FR11. Попробовал, совершенно не впечатлился, останусь на своих текущих инструментах, то бишь, на регэкспах EmEditor.

Спасибо, что сообщили нам об этом. В-)

update:

Вообще-то скрипт "заточен" под текстовый файл, полученный из ФР. Именно поэтому так важно сохранить его с теми опциями, которые я описывала выше.
Применять его на любых других текстовых файлах, мягко говоря, неразумно.

Опубликовано пт, 07/09/2012 - 00:01 пользователем Alex2L

Уточнение.
Под "именем файла" подразумевается ПОЛНОЕ имя т.е. начиная с буквы диска:_путь_собственно имя. Так вот, в этом полном имени НЕ ДОЛЖНО быть кириллицы с пробелами.
На самом деле это не ошибка скрипта, а невозможность средствави vbs (привет Майкрософту!) запустить на исполнение (по функции run) файл, в ПОЛНОМ имене которого присутствует кириллица с пробелами (без пробелов - прокатит).

Опубликовано пт, 07/09/2012 - 04:04 пользователем tvnic

Alex2L написал:
Уточнение.
Под "именем файла" подразумевается ПОЛНОЕ имя т.е. начиная с буквы диска:_путь_собственно имя.

Вот-вот. Об этом сказано не было.
Аватар пользователя alexej36

Опубликовано сб, 06/10/2012 - 04:55 пользователем alexej36

FineReader и DPI: размер имеет значение

Скормил я на днях FR'у присланные мне сканы и ... FR от тех сканов "сошел с ума": разворачивать и делить на страницы отказался почти в 70%, а области с текстом определил как картинки...
Подумав немного - решил замерить DPI "руками" - оказалось 110 (вместо заявленных 600)
Исправил DPI (использовал программу FastStone Photo Resizer) - OCR прошло почти без ошибок.

Опубликовано сб, 06/10/2012 - 05:55 пользователем golma1

alexej36 написал:
FineReader и DPI: размер имеет значение

Скормил я на днях FR'у присланные мне сканы и ... FR от тех сканов "сошел с ума": разворачивать и делить на страницы отказался почти в 70%, а области с текстом определил как картинки...
Подумав немного - решил замерить DPI "руками" - оказалось 110 (вместо заявленных 600)
Исправил DPI (использовал программу FastStone Photo Resizer) - OCR прошло почти без ошибок.

Сам ФР имеет встроенный редактор изображений: "Страница -- Редактировать изображение страницы -- Разрешение изображения (в правой колонке)". Можно воспользоваться им.

Часто при распознавании ФР сам предлагает увеличить разрешение. Нужно только щёлкнуть по линку в окне предупреждений.

Аватар пользователя alexej36

Опубликовано сб, 06/10/2012 - 06:37 пользователем alexej36

golma1 написал:
ФР имеет встроенный редактор изображений: "Страница -- Редактировать изображение страницы -- Разрешение изображения (в правой колонке)". Можно воспользоваться им.
Часто при распознавании ФР сам предлагает увеличить разрешение. Нужно только щёлкнуть по линку в окне предупреждений.

Я пробовал в редакторе изображений определить DPI - FineReader определил верно, но с заданием применить его ко всем страницам справился на "плохо" на 1 балл т.е. :(

Опубликовано сб, 06/10/2012 - 06:57 пользователем golma1

alexej36 написал:
golma1 написал:
ФР имеет встроенный редактор изображений: "Страница -- Редактировать изображение страницы -- Разрешение изображения (в правой колонке)". Можно воспользоваться им.
Часто при распознавании ФР сам предлагает увеличить разрешение. Нужно только щёлкнуть по линку в окне предупреждений.

Я пробовал в редакторе изображений определить DPI - FineReader определил верно, но с заданием применить его ко всем страницам справился на "плохо" на 1 балл т.е. :(

Тогда, конечно, имеет смысл обработать сканы в другой программе.

У меня обычно речь идёт о максимум 5-7 страницах - по отдельности. С этим ФР справляется на ура.

Аватар пользователя alexej36

Опубликовано сб, 06/10/2012 - 07:14 пользователем alexej36

Как я понимаю - небольше погрешности в определени DPI распознавалка прощает, но если они значительны - будут проблемы... пробовал на тех же сканах поставить 300 - распознались сканы, но... часть строк была утрачена, в оставшихся изрядно ошибок...

Опубликовано пн, 04/02/2013 - 15:26 пользователем Ergo80

Прошу прощения за смешной вопрос, но у меня возникла вдруг проблема, с которой я раньше не сталкивалась. Итак, есть сканы книги в виде пдф, сделанного из фотографий, фон картинок темно-серого цвета. Распозналось, кстати, очень неплохо, но в окне Текст - тот же темно-серый цвет фона, читать это невозможно - глаза болят. Поменять цвет фона можно - в настройках внизу окна, но это применимо почему-то только к одной конкретной странице, а их более 300. В Сервис-Опции-Вид - возможности изменить цвет фона я тоже не нашла. Хелп плизз!!

Опубликовано пн, 04/02/2013 - 16:47 пользователем golma1

Ergo80 написал:
Прошу прощения за смешной вопрос, но у меня возникла вдруг проблема, с которой я раньше не сталкивалась. Итак, есть сканы книги в виде пдф, сделанного из фотографий, фон картинок темно-серого цвета. Распозналось, кстати, очень неплохо, но в окне Текст - тот же темно-серый цвет фона, читать это невозможно - глаза болят. Поменять цвет фона можно - в настройках внизу окна, но это применимо почему-то только к одной конкретной странице, а их более 300. В Сервис-Опции-Вид - возможности изменить цвет фона я тоже не нашла. Хелп плизз!!

В меню "Страница" есть пункт "Редактировать изображение страницы". Это редактор изображения. Попробуйте в нём изменить страницу так, чтобы она читалась. Если получится, выберите в правом нижнем углу "Применить к -- Все страницы".

К сожалению, я не увидела там возможности изменить тон. Но может быть получится, если поиграться яркостью и контрастностью. :(

Опубликовано пн, 04/02/2013 - 17:09 пользователем Ergo80

Спасибо, попробую)

Опубликовано чт, 21/03/2013 - 05:28 пользователем golma1

TaKir написал:
Разбираюсь с ФР 11.
Есть вопросы по алгоритму )

Назначение стилей производится в какой момент - после загрузки книги, до наложения блоков или после? До распознавания текста или после?
Как применить стили ко всем страницам? Сейчас на распознанном тексте у меня на каждой странице свои стили, те же сноски все разного размера.
Не передаются стили "Подписи к картинкам". Распознаются, но не передаются в ворд и фб2.
Какой вариант выбирать - форматированный текст, редактируемая копия или точная копия?
Влияет ли это на качество распознавания и стили и на передачу в ворд и фб2?

Из хорошего текстового pdf не передался в фб2 ни один курсив и болд - чисто плэйн текст. В ворд передается нормально.
(Блоки были наложены с помощью шаблона, одинаковые на все страницы, и поправлены в нужных местах).

Если несложно, добавь при случае ответы в свой блог по алгоритму работы с ФР, плиз!

Т.е. желательно описать процесс с самого начала - открываем ФР, делаем то-то, потом то-то и т.п.

Ну, вообще-то я описала пошагово. ;) Но лично для тебя ещё раз.

1. С выбранными опциями (предобработка, разрезать разворот и пр.) распознать книгу.
2. Зайти в редактор стилей. Там у тебя есть выбор, что делать. Можешь объединить все стили "сноска" в один. Но тогда можешь потерять курсив и/или болд. Поэтому рекомендую объединять только стили с одинаковыми параметрами (т.е. курсив с курсивом, болд с болдом). В результате получишь максимум 3 варианта. Если важна оптика, выбери всем один и тот же шрифт и один и тот же размер (насчёт размеров для удобства идентификации неверно распознанных стилей я писала подробно, почитай). Та же история с основным текстом. Если ты его объединишь в один - можешь потерять курсивность/полужирность.
3. Подпись к картинкам не передаётся, только если ты при сохранении выбрал "не сохранять картинки". При сохранении картинок передаются и подписи.
4. Я работаю в режиме "редактируемой копии" - так (для меня) нагляднее. Непринципиально, на распознавание не влияет - это только способ вывода текста в данный конкретный момент. При сохранении ты можешь выбрать то, что тебе удобнее: кнопка "Опции..." внизу слева в окне "Сохранить как..." Вот эти опции уже влияют на качество передаваемого текста.
5. Предполагаю, что отсутствие курсива/болда при передаче из pdf в fb2 связано именно с п. 4. В опциях должен стоять "Форматированный текст".

Опубликовано чт, 21/03/2013 - 09:10 пользователем TaKir

Спасибо!

Действительно, был выставлен плэйн текст при передаче в фб2 )

По пошаговость я спрашивал именно потому, что непонятно, когда что делать )

Т.е твой обычный порядок действий?

1) запускаешь ФР.
2) Проверяешь настройки распознавания.
3) Загружаешь сканы в ФР.
вот в таком виде хочется понять про то, в какой момент ты начинаешь править стили?

Особенно стили интересуют - их надо править на каждой странице?

____________________________________________________________________
На примере хорошего издательского pdf экспериментально выяснил, что 11 версия ФР уступает в аккуратности распознавания старой 8 версии ФР.
8 идеально распознала текст (есть режим извлекать тест из pdf), но не понимает сносок, распознает как обычный текст.
11 версия в режиме тщательного распознавания создала сноску, но потеряла курсив в этой сноске.
Т.е явный софтовый регресс при работе с хорошими исходниками в 11 версии ФР (

Опубликовано чт, 21/03/2013 - 09:19 пользователем golma1

TaKir написал:
Спасибо!

Действительно, был выставлен плэйн текст при передаче в фб2 )

По пошаговость я спрашивал именно потому, что непонятно, когда что делать )

Т.е твой обычный порядок действий?

1) запускаешь ФР.
2) Проверяешь настройки распознавания.
3) Загружаешь сканы в ФР.
вот в таком виде хочется понять про то, в какой момент ты начинаешь править стили?

Особенно стили интересуют - их надо править на каждой странице?


Я загружаю сканы сразу с распознаванием (настройки у меня выставлены раз и навсегда; изменять их приходится крайне редко, чтобы не сказать "никогда").

После этого (автоматического) распознавания правлю стили. А потом начинается основная работа - просмотр каждой страницы с целью выявления неуверенно распознанных символов и расстановки служебных пометок (и всё остальное - см. подробное описание).

Стили нужно править один-единственный раз: объединить, выставить желаемые шрифт и размер.


Всё остальное не комментирую. Я за рекламу ФР11 денег не получаю. ;) Если тебе больше нравится 8-ка, значит, так тому и быть.

Я пользуюсь ещё скриптами от Alex2L. Но они "заточены" под особенности ФР11.

Опубликовано чт, 21/03/2013 - 13:12 пользователем TaKir

golma1 написал:
Если тебе больше нравится 8-ка, значит, так тому и быть.

Дык я потому тебя и пытаю, что хочу понять, надо ли переходить или нет )

Ощущения странные.
Вроде почти полная автоматизация от скана до фбе, сноски опять же...

Но вот странности с распознаванием и туча стилей, которые пока не могу понять как работают, меня сильно напрягают (


golma1 написал:

Я пользуюсь ещё скриптами от Alex2L. Но они "заточены" под особенности ФР11.

О чем спич? Есть линк?

ПС

А чего с границами текста в этом топике?
Вообще все к краям монитора прилипает )

Опубликовано чт, 21/03/2013 - 13:37 пользователем golma1

TaKir написал:

О чем спич? Есть линк?
ПС

А чего с границами текста в этом топике?
Вообще все к краям монитора прилипает )

Первая версия скрипта описана в этой же теме (мой постинг от 03.09). Но сейчас есть следующая версия, которую наш перфекционист-скриптописальщик ещё не считает достаточно зрелой, чтобы выдавать в общее пользование, а постоянно улучшает. ;)

Насчёт границ текста - не поняла. У меня всё ОК.

TaKir написал:
странности с распознаванием и туча стилей, которые пока не могу понять как работают, меня сильно напрягают (

Понимаю. Привычных багов уже не видишь, их "лечение" стало рутиной. А тут надо перестраиваться. Сама поначалу сопротивлялась.

Но сейчас баги 11-й версии стали родными. Лечатся (на мой взгляд) просто, а преимущества (опять-таки на мой взгляд) перевешивают.

Поэтому, мне кажется, если пересилить себя и поработать какое-то время на "нелюбимой" 11-ке, то привыкнешь и будешь видеть только положительные моменты. Как я. В-)

Опубликовано пт, 22/03/2013 - 02:41 пользователем Evernet

Как-то для интереса сравнила количество склееных абзацев в книге, распознав ее в разных версиях. В FR 9 нашла 25 штук, в FR 11 — всего 4. Оно вроде бы и не трудно самой найти/исправить, но больше к девятому не возвращалась.

Аватар пользователя Антонина82

Опубликовано пт, 22/03/2013 - 03:22 пользователем Антонина82

Удручает очень плохая работа ФР со сносками. Сейчас работаю с книгой, где практически на каждой странице есть сноска. Так вот, ФР - 1 в книге видит, по- разному. Но за единицу принимает очень редко. В основном, распознает, как '. 3, может быть и 5 и s. Из-за этого работа со сносками, превращается в мУку. Сноски с одной страницы, переносит на другую, или не переносит вообще. Я обычно радуюсь, когда все комментарии расположены в конце книги. Как ни странно, но работа со сносками происходит значительно быстрее в "ручном режиме", нежели в автоматическом, но в исполнении ФР, т.к. каждую сноску приходится проверять, правильно ли отражена. Может кто знает, как лечить ФР в таких случаях?

Опубликовано пт, 22/03/2013 - 03:49 пользователем J_Blood

Антонина82 написал:
Удручает очень плохая работа ФР со сносками.

Я последнее время даже не пытаюсь ФР сноски доверять. По мне лучше потратить время и рассовать их в скобки, чем потом разгребать. Потом скриптом в ФБЕ. Все равно просматриваю, чё он там нараспознавал, пустые строки расставляю, стихи, в одну строку которые, разбиваю... ну и заодно.

Страницы
X