Ga naar inhoud
  • 0

tekst lezen uit een ingescand document in PDF


joser

Vraag

Heeft iemand een idee hoe je een stuk tekst kan uitlezen uit een ingescand document in PDF die in een containerveld zit? I

We werken reeds met de 360works plugin maar de OCR-functie vraagt nog een externe AWS-account, wat k liever niet doe

De plugin van Monkeybread kan dan geen tekst lezen uit een pdf, enkel jpg, tif,...

Zijn er andere mogelijkheden om het bv het briefnummer in te lezen van een ingescand document (PDF)? Code staat +/- telkens op dezelfde plaats.

Met vriendelijke groet, Jo 

Link naar reactie

13 antwoorden op deze vraag

Aanbevolen berichten

  • 0

Weet je zeker dat de MBS plugin het niet kan? Aangezien je het hebt over ingescande documenten is de ‘pdf’ waarschijnlijk niets anders dan een envelop om een jpeg. Een echte pdf is volledig opgebouwd uit vectoren.

Ik heb er (nog) geen ervaring mee, maar de nieuwste versie van FileMaker kan ook tekst ‘lezen’ uit afbeeldingen.

Je kunt er altijd een mailtje aan wagen om het Christian (van Monkeybread) te vragen…

Link naar reactie
  • 0

Dat is een goed idee, zolang de pdf uit één pagina bestaat. Eventuele vervolgpagina's zijn helaas niet met scrollen te bereiken, ook niet handmatig. Ik loop daar zelf regelmatig tegenaan bij het inboeken van mijn inkoopfacturen en moet dan de veld-inhoud exporteren om de 'rest' te kunnen zien.

Link naar reactie
  • 0

Bedankt iedereen voor jullie respons,

voorlopig zal dus de enige mogelijke procedure zijn om de pdf om te zetten naar een jpeg/tiff/... en dan laten uitlezen door de MBS-plugin

Heb enkel de eerste pagina nodig om het briefnummer in te lezen. De documenten worden immers gemaakt in Filemaker, uitgeprint en manueel door twee personen ondertekend (ik weet het anno 1999, maar helaas wil men nog zo werken) en dan terug ingescand.

Eenmaal k het volgnummer heb kan alles weer gelinkt worden....

Link naar reactie
  • 0

Ik kon het toch niet laten hier iets verder in te duiken.

Je schreef dat de documenten die je wilt uitlezen met FileMaker zijn gemaakt en dat betekent dat het hele document al tekst is, met eventueel enkele images. Het lijkt mij dan een beetje onzinnig om het documenten eerst op te splitsen, vervolgens om te zetten naar images en daar tenslotte OCR op los te laten.

Zodoende ben ik op zoek gegaan naar een mogelijkheid om de tekst van een PDF, direct uit te lezen. Op https://docs.apryse.com/documentation/cli/guides/pdf2text/ trof ik een commandline-tool die precies dat doet en die tool is ook nog eens multi-platform.

Hij is officiëel niet gratis, maar de eerste pagina geeft altijd een bruikbaar resultaat en de vervolgpagina's worden min of meer willekeurig wél en anders niet geconverteerd met: "PDFTron PDF2Text: This page is skipped when running in the demo mode.".

In het bijgevoegde bestand zit de instructie en de link naar de download ingebakken. Het werkt zowel op MacOS als Windows. Je hoeft niks te registreren of te betalen, dat is alleen nodig als je meer dan één pagina compleet wilt converteren.

[edit]Voor de duidelijkheid: Een pdf-document dat uit de scanner komt, kan je met deze methode dus niet uitlezen. Een pdf die door FileMaker is gemaakt of een rekening die je per email ontvangt, kan je hierme wél uitlezen[/edit]

PDF2Text_clarify.fmp12

Link naar reactie

Doe mee aan dit gesprek

Je kunt dit nu plaatsen en later registreren. Indien je reeds een account hebt, log dan nu in om het bericht te plaatsen met je account.

Gast
Beantwoord deze vraag...

×   Geplakt als verrijkte tekst.   Plak in plaats daarvan als platte tekst

  Er zijn maximaal 75 emoji toegestaan.

×   Je link werd automatisch ingevoegd.   Tonen als normale link

×   Je vorige inhoud werd hersteld.   Leeg de tekstverwerker

×   Je kunt afbeeldingen niet direct plakken. Upload of voeg afbeeldingen vanaf een URL in

×
×
  • Nieuwe aanmaken...