Convertendo imagens e documentos em texto puro (.txt)

Publicado por Perfil removido em 28/10/2020

[ Hits: 6.092 ]

 


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

Enviar arquivos por e-mail através do Thunar (XFCE)

Mageia Linux - Primeiros passos

Programa inicializando com o sistema no Ubuntu (para iniciantes)

Dicas para instalação do ENVI 4.6 (Environment for Visualizing Images) no Ubuntu Linux 9.04

Baixando capas para seus CDs no Linux

Leitura recomendada

Limpando cache da memória RAM no GNU/Linux

Visualizando os arquivos por ordem de data

Resolva problemas de pacotes com automatix no Ubuntu / Debian

Copiando arquivos com a estrutura de diretórios

Limpar comentários

  

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