Convertendo imagens e documentos em texto puro (.txt)

Publicado por Perfil removido em 28/10/2020

[ Hits: 5.396 ]

 


Convertendo imagens e documentos em texto puro (.txt)



Nessa dica vou apresentar o comando tesseract para transformar qualquer imagem e/ou documento pdf em txt!

Para instalar no Debian e derivados (Ubuntu, Mint, Elementary):

sudo apt install tesseract-ocr

Em outras distribuições, procure pelo nome "tesseract" nos repositórios.

Agora, para converter em texto:

tesseract document.pdf document

O primeiro parâmetro é o arquivo de entrada para conversão, e o segundo parâmetro é o arquivo de saída para salvar o arquivo .txt. O tesseract salva automaticamente o arquivo de saída com a extensão .txt.

No caso dos arquivos de imagens (.jpg, .png), quanto mais nítido for o texto melhor será o resultado no arquivo texto de saída.

Para mais informações:

man tesseract

Exemplo de arquivo de entrada (print em .png tirado dessa dica):
Exemplo de arquivo de saída em .txt:
Outras dicas deste autor

Instalando o xvidcap no Debian 5

Otimizando seu Linux com o prelink (e uma mãozinha do Kurumin)

Fazendo o scanner GOTEC funcionar no Mandriva One e superior

Logins mal sucedidos

Beep - Configurando o controle

Leitura recomendada

[ LinuxTips ] - Docker Tutorial #4 - DOCKER UPDATE, CPU e MEM

nmcli - Consultar sinal wi-fi via linha de comando no Debian

Reduzir tamanho de arquivo PDF

Listando o tamanho de todos os arquivos e diretórios ocultos da HOME

Para voltar ao ultímo diretório acessado.

  

Comentários
[1] Comentário enviado por maurixnovatrento em 04/11/2020 - 21:03h


Divino, melhor que aqueles programas do windows.

___________________________________________________________
[code]Conhecimento não se Leva para o Túmulo.
https://github.com/MauricioFerrari-NovaTrento [/code]

[2] Comentário enviado por maurixnovatrento em 04/11/2020 - 21:06h


Funciona como OCR, pelo que eu tô vendo.

___________________________________________________________
[code]Conhecimento não se Leva para o Túmulo.
https://github.com/MauricioFerrari-NovaTrento [/code]



Contribuir com comentário




Patrocínio

Site hospedado pelo provedor RedeHost.
Linux banner

Destaques

Artigos

Dicas

Tópicos

Top 10 do mês

Scripts