Σχόλια στο Μετατροπή Σκαναρισμένων PDF αρχείων σε κείμενο με το Google OCR http://www.techtalk.gr/473/%ce%bc%ce%b5%cf%84%ce%b1%cf%84%cf%81%ce%bf%cf%80%ce%ae-%cf%83%ce%ba%ce%b1%ce%bd%ce%b1%cf%81%ce%b9%cf%83%ce%bc%ce%ad%ce%bd%cf%89%ce%bd-pdf-%ce%b1%cf%81%cf%87%ce%b5%ce%af%cf%89%ce%bd-%cf%83%ce%b5-%ce%ba/ Simply the best talk-about-tech blog! Fri, 16 Sep 2011 23:52:01 +0000 hourly 1 http://wordpress.org/?v=3.2.1 Από: Georgia http://www.techtalk.gr/473/%ce%bc%ce%b5%cf%84%ce%b1%cf%84%cf%81%ce%bf%cf%80%ce%ae-%cf%83%ce%ba%ce%b1%ce%bd%ce%b1%cf%81%ce%b9%cf%83%ce%bc%ce%ad%ce%bd%cf%89%ce%bd-pdf-%ce%b1%cf%81%cf%87%ce%b5%ce%af%cf%89%ce%bd-%cf%83%ce%b5-%ce%ba/comment-page-1/#comment-14924 Georgia Sat, 01 Nov 2008 19:53:27 +0000 http://www.techtalk.gr/?p=473#comment-14924 Νομίζω Μαριάννα ότι σε αυτό δεν θα υπάρχει πρόβλημα, θα βρουν ή έχουν ήδη βρει τρόπο ώστε να διαβάζουμε το σωστό κείμενο μετά την μετατροπή. Αν και οι χρήστες κάνοντας μια αναζήτηση και κλικάροντας πάνω στο pdf τους εμφανίζει το σκαναρισμένο αρχείο και απλά σου έχει την επιλογή να το δεις και σαν hmtl, πχ:<a href="http://www.google.com/search?hl=en&q=repairing+aluminum+wiring&aq=5&oq=repairing+al" rel="nofollow"> repairing aluminum wiring</a> Νομίζω Μαριάννα ότι σε αυτό δεν θα υπάρχει πρόβλημα, θα βρουν ή έχουν ήδη βρει τρόπο ώστε να διαβάζουμε το σωστό κείμενο μετά την μετατροπή. Αν και οι χρήστες κάνοντας μια αναζήτηση και κλικάροντας πάνω στο pdf τους εμφανίζει το σκαναρισμένο αρχείο και απλά σου έχει την επιλογή να το δεις και σαν hmtl, πχ: repairing aluminum wiring

]]> Από: MaRiaNNa P. http://www.techtalk.gr/473/%ce%bc%ce%b5%cf%84%ce%b1%cf%84%cf%81%ce%bf%cf%80%ce%ae-%cf%83%ce%ba%ce%b1%ce%bd%ce%b1%cf%81%ce%b9%cf%83%ce%bc%ce%ad%ce%bd%cf%89%ce%bd-pdf-%ce%b1%cf%81%cf%87%ce%b5%ce%af%cf%89%ce%bd-%cf%83%ce%b5-%ce%ba/comment-page-1/#comment-14922 MaRiaNNa P. Sat, 01 Nov 2008 19:50:24 +0000 http://www.techtalk.gr/?p=473#comment-14922 Ξεχασα επισης να προσθέσω ενα ακόμη μειονεκτημα που μπορει να εχει μια διαδικασια ocr και πραγματικα αν δεν εχουν βρει μια λυση για αυτο θα το καταλαβετε κι εσεις πολυ συντομα! Εχει λοιπον να κανει με την ορθότητα του “διαβάσματος”¨του σκαναρισμενου κειμενου. Έχοντας χρησιμοποιήσει προγράμματα ocr εχω ανακαλυψει πως άν και σκαναρισμένα σε πολυ καλη αναλυση και απο καθαρά πρωτότυπα ( ενν. χωρις μουτζουρες η σκουπιδακια) και με αρκετα ευκολοδιαβαστες γραμματοσειρες, τα προγραμματα αυτα περνούν κάποια γράμματα για άλλα η δεν διαβαζουν καθολου καποιες λεξεις η σημαια στιξης. Παράδειγμα, το γράμμα “άλφα” το βλεπει “ομικρον”, το “ξι” για “3″ και λοιπα. Για να μη μιλησουμε για καποια γραμματοσειρα με πατουρες (ουριτσες)η και πιο καλλιγραφικες.(Βεβαια δε γνωριζω αν το google θα διαβαζει και ελληνικους χαρακτηρες και οχι μονο λατινικους, παντως λάθη κάνει και σε αλλες γλώσσες!) Οποτε σε αυτη τη περιπτωση ή θα διαβαζουμε κειμενα που μπορει και να μη βγαζουνε νοημα (η να εχουν λάθος νοημα, πολλα ορθογραφικα και αλλα προβληματα που να δημιουργουν ενα χαος στον αναγνωστη) ή το google θα πρεπει να εχει ηδη προσλάβει διορθωτές ;)! Πάντως ειναι πολύ ενδιαφέρον να δουμε την αντιμετωπιση που θα εχουν αυτα τα αρχεια και το περιεχομενο τους και αν θα πιάσει αυτο το καινουριο κολπο! Τελικα το google σε λιγο μονο καφε δε θα μας κανει! Ξεχασα επισης να προσθέσω ενα ακόμη μειονεκτημα που μπορει να εχει μια διαδικασια ocr και πραγματικα αν δεν εχουν βρει μια λυση για αυτο θα το καταλαβετε κι εσεις πολυ συντομα! Εχει λοιπον να κανει με την ορθότητα του “διαβάσματος”¨του σκαναρισμενου κειμενου. Έχοντας χρησιμοποιήσει προγράμματα ocr εχω ανακαλυψει πως άν και σκαναρισμένα σε πολυ καλη αναλυση και απο καθαρά πρωτότυπα ( ενν. χωρις μουτζουρες η σκουπιδακια) και με αρκετα ευκολοδιαβαστες γραμματοσειρες, τα προγραμματα αυτα περνούν κάποια γράμματα για άλλα η δεν διαβαζουν καθολου καποιες λεξεις η σημαια στιξης. Παράδειγμα, το γράμμα “άλφα” το βλεπει “ομικρον”, το “ξι” για “3″ και λοιπα. Για να μη μιλησουμε για καποια γραμματοσειρα με πατουρες (ουριτσες)η και πιο καλλιγραφικες.(Βεβαια δε γνωριζω αν το google θα διαβαζει και ελληνικους χαρακτηρες και οχι μονο λατινικους, παντως λάθη κάνει και σε αλλες γλώσσες!)
Οποτε σε αυτη τη περιπτωση ή θα διαβαζουμε κειμενα που μπορει και να μη βγαζουνε νοημα (η να εχουν λάθος νοημα, πολλα ορθογραφικα και αλλα προβληματα που να δημιουργουν ενα χαος στον αναγνωστη) ή το google θα πρεπει να εχει ηδη προσλάβει διορθωτές ;) !
Πάντως ειναι πολύ ενδιαφέρον να δουμε την αντιμετωπιση που θα εχουν αυτα τα αρχεια και το περιεχομενο τους και αν θα πιάσει αυτο το καινουριο κολπο! Τελικα το google σε λιγο μονο καφε δε θα μας κανει!

]]> Από: Frank http://www.techtalk.gr/473/%ce%bc%ce%b5%cf%84%ce%b1%cf%84%cf%81%ce%bf%cf%80%ce%ae-%cf%83%ce%ba%ce%b1%ce%bd%ce%b1%cf%81%ce%b9%cf%83%ce%bc%ce%ad%ce%bd%cf%89%ce%bd-pdf-%ce%b1%cf%81%cf%87%ce%b5%ce%af%cf%89%ce%bd-%cf%83%ce%b5-%ce%ba/comment-page-1/#comment-14897 Frank Sat, 01 Nov 2008 15:50:05 +0000 http://www.techtalk.gr/?p=473#comment-14897 Συμφωνώ με αυτό. Μάλλον θα πρέπει να μπορεί κάποιος να κάνει κάποια αρχεία "exclude" από το OCR. Έτσι θα μπορεί θεωρητικά να τα προστατέψει. Συμφωνώ με αυτό. Μάλλον θα πρέπει να μπορεί κάποιος να κάνει κάποια αρχεία “exclude” από το OCR. Έτσι θα μπορεί θεωρητικά να τα προστατέψει.

]]> Από: MaRiaNNa P. http://www.techtalk.gr/473/%ce%bc%ce%b5%cf%84%ce%b1%cf%84%cf%81%ce%bf%cf%80%ce%ae-%cf%83%ce%ba%ce%b1%ce%bd%ce%b1%cf%81%ce%b9%cf%83%ce%bc%ce%ad%ce%bd%cf%89%ce%bd-pdf-%ce%b1%cf%81%cf%87%ce%b5%ce%af%cf%89%ce%bd-%cf%83%ce%b5-%ce%ba/comment-page-1/#comment-14861 MaRiaNNa P. Sat, 01 Nov 2008 11:33:12 +0000 http://www.techtalk.gr/?p=473#comment-14861 Δε ξερω αν αυτο ειναι καλο η κακο! Πρεπει να υπαρχει η δυνατοτητα να αποτρεπεις το google απο το να διαβαζει τα pdf σου. Μπορει να εχεις μεσα πραγματα που δεν θελεις η δεν πρεπει να διαβαζονται με ocr ! πχ μπορει να εχεις ανεβασει μια πολυσελιδη προσφορα για εναν πελατη για δουλεια, και να του εχεις δωσει λινκ να το δει επειδη ειναι πολυ μεγαλο για να το στειλεις με email. Γιατι να μπορει να διαβασει το google τη προσφορα σου και να εκθεσεις παγκοσμιως την "οικονομικη σου πολιτικη", η οποια μπορει να ειναι εμπιστευτικη? Δε ξερω αν αυτο ειναι καλο η κακο! Πρεπει να υπαρχει η δυνατοτητα να αποτρεπεις το google απο το να διαβαζει τα pdf σου. Μπορει να εχεις μεσα πραγματα που δεν θελεις η δεν πρεπει να διαβαζονται με ocr ! πχ μπορει να εχεις ανεβασει μια πολυσελιδη προσφορα για εναν πελατη για δουλεια, και να του εχεις δωσει λινκ να το δει επειδη ειναι πολυ μεγαλο για να το στειλεις με email. Γιατι να μπορει να διαβασει το google τη προσφορα σου και να εκθεσεις παγκοσμιως την “οικονομικη σου πολιτικη”, η οποια μπορει να ειναι εμπιστευτικη?

]]> Από: Κωνσταντίνος http://www.techtalk.gr/473/%ce%bc%ce%b5%cf%84%ce%b1%cf%84%cf%81%ce%bf%cf%80%ce%ae-%cf%83%ce%ba%ce%b1%ce%bd%ce%b1%cf%81%ce%b9%cf%83%ce%bc%ce%ad%ce%bd%cf%89%ce%bd-pdf-%ce%b1%cf%81%cf%87%ce%b5%ce%af%cf%89%ce%bd-%cf%83%ce%b5-%ce%ba/comment-page-1/#comment-14638 Κωνσταντίνος Fri, 31 Oct 2008 15:12:33 +0000 http://www.techtalk.gr/?p=473#comment-14638 Κι έτσι θα μπορεί κάποιος να κάνει ένα σκαναρισμένο αρχείο σε έγγραφο κειμένου. Ανεβάσει το αρχείο .pdf στο Ίντερνετ, δημιουργεί ένα σύνδεσμο προς αυτό, περιμένει μέχρι το Google να το βάλει στo index, μόλις γίνει αυτό το αναζήτας στο ´Ιντερνετ και μετά το ανόιγεις σαν HTML. Τέλος κάνεις ένα Copy-Paste. Μπα μεγάλη διαδικασία... Προτιμώ να κατεβάσω ένα πρόγραμμα για αυτήν την δουλειά Κι έτσι θα μπορεί κάποιος να κάνει ένα σκαναρισμένο αρχείο σε έγγραφο κειμένου.

Ανεβάσει το αρχείο .pdf στο Ίντερνετ, δημιουργεί ένα σύνδεσμο προς αυτό, περιμένει μέχρι το Google να το βάλει στo index, μόλις γίνει αυτό το αναζήτας στο ´Ιντερνετ και μετά το ανόιγεις σαν HTML. Τέλος κάνεις ένα Copy-Paste.

Μπα μεγάλη διαδικασία… Προτιμώ να κατεβάσω ένα πρόγραμμα για αυτήν την δουλειά

]]> Από: Κωνσταντίνος http://www.techtalk.gr/473/%ce%bc%ce%b5%cf%84%ce%b1%cf%84%cf%81%ce%bf%cf%80%ce%ae-%cf%83%ce%ba%ce%b1%ce%bd%ce%b1%cf%81%ce%b9%cf%83%ce%bc%ce%ad%ce%bd%cf%89%ce%bd-pdf-%ce%b1%cf%81%cf%87%ce%b5%ce%af%cf%89%ce%bd-%cf%83%ce%b5-%ce%ba/comment-page-1/#comment-14637 Κωνσταντίνος Fri, 31 Oct 2008 15:12:11 +0000 http://www.techtalk.gr/?p=473#comment-14637 Η Google δεν σταματάει να μας εκπλήζει ! Η Google δεν σταματάει να μας εκπλήζει !

]]>