Convertendo imagens e documentos em texto puro (.txt)

Publicado por Ruan em 28/10/2020

[ Hits: 409 ]

 


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

Bootsplash no Slackware

Aplicativos portáteis no Linux

Compilando o libquicktime SlackBuild no Slackware 64 bits

Bot com Fortune

Apple Swift no Slackware 14.2

Leitura recomendada

Abrindo o Konsole com o Konqueror, na pasta atual

Adicionando e apagando usuários no OpenBSD

bash - Dica simples para aumentar o tamanho do histórico

Listar todos os programas instalados no Ubuntu

Como listar arquivos ordenados por tamanho

  

Comentários
[1] Comentário enviado por mauricio123 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 mauricio123 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