OCR-Software für altdeutsche Schrift

mtravellerh · 02-17-2009, 12:35 PM

Ich möchte hier mal eine Aufruf starten, vielleicht hab ich ja Glück.

Also: Ich habe sämtliche Abenteuer des Detektiv Nobody in altdeutscher Schrift(PDF). Ich weiss. dass es von Abbyy OCR-Software gibt, die diese Schrift lesen kann, aber ich kann sie mir leider nicht leisten. Daher möchte ich gerne wissen, ob jemand diese Software hat und die PDFs durchlaufen lassen könnte (zu HTML oder TXT) Ich würde das K-Lesen übernehmen. Bitte per PM melden ode hier rein schreiben.

Falls ich niemanden finde, muss ich wohl oder übel den ganzen Text abschreiben und das wär nun wirklich sehr aufwändig.

Danke im Voraus

MTH

Pulp · 02-18-2009, 04:33 AM

Vom Finereader 9 gibt's eine demo-Version.

Sie läßt sich soweit ich weiß 15 Tage nutzen und verarbeitet bis zu 50 Seiten auf einmal.

Wenn du das Ergebnis danach in HTML (oder andere Formate) exportierst (und eventuell zusammensetzt) sollte es Dir viel Zeit sparen.

mtravellerh · 02-18-2009, 03:23 PM

Danke. Ich werd das mal probieren.

netseeker · 02-18-2009, 05:10 PM

Tesseract ist Open Source und hat Unterstützung und Trainingsdaten sowohl für moderne deutsche Schrift als auch für die Frakturschrift:

Habs noch nicht getestet, werde das aber jetzt machen, da ich ebenfalls Bedarf am OCR von Frakturschrift habe. Wahrscheinlich werden die Ergebnisse aber schlechter wie bei Finereader & Co sein...umständlicher ist es allemal.

netseeker · 02-18-2009, 06:42 PM

Habe es mit 2 verschiedenen Büchern, welche unterschiedliche Frakturschriftarten benutzen mal getestet und war ganz positiv überrascht. Naja, so positiv wie man bei einem kostenlosen OCR und dann noch mit Frakturschrift halt sein kann.

Zuerst muss man die PDF-Inhalte als tif-Grafiken bekommen, dann kann man Tesseract via

Quote:

tesseract test\nobody05_pic0005.tif testout\05 -l deu-f

damit füttern.

Anbei mal die Resultate der ersten zwei Seiten vom Detektiv Nobody 5.
Das Ergebnis der ersten Seite ist aufgrund des Drop-Cap am ersten Absatz natürlich zwangsläufig nicht so gut. Die zweite Seite sieht besser aus.

Keine Ahnung wie sich der Finereader da schlägt - vielleicht kann ja mal jemand einen Vergleich posten...

Pulp · 02-18-2009, 07:21 PM

In dem Fall solltet Ihr mal das testen: http://www.frakturschrift.de/

Der gewöhnliche Finereader bräuchte auch eine Musterdatei um brauchbare Ergebnisse zu liefern, die sollten hier schon dabei sein.

mtravellerh · 02-19-2009, 03:43 AM

Quote:

Originally Posted by netseeker

Habe es mit 2 verschiedenen Büchern, welche unterschiedliche Frakturschriftarten benutzen mal getestet und war ganz positiv überrascht. Naja, so positiv wie man bei einem kostenlosen OCR und dann noch mit Frakturschrift halt sein kann.

Zuerst muss man die PDF-Inhalte als tif-Grafiken bekommen, dann kann man Tesseract via

damit füttern.

Anbei mal die Resultate der ersten zwei Seiten vom Detektiv Nobody 5.
Das Ergebnis der ersten Seite ist aufgrund des Drop-Cap am ersten Absatz natürlich zwangsläufig nicht so gut. Die zweite Seite sieht besser aus.

Keine Ahnung wie sich der Finereader da schlägt - vielleicht kann ja mal jemand einen Vergleich posten...

Also ich find das Resultat richtig gut. Mit ein bisserl Training müsste das doch zu machen sein! Danke netseeker. Karma für Dich!

netseeker · 02-19-2009, 09:13 AM

Beim Trainieren von Tesseract hilft unter Windows JTesseract, eine überraschend komfortable GUI, ungemein...

mtravellerh · 02-19-2009, 12:36 PM

Danke nochmal. Bin schon fleissig am OCRen (oder wie immer das heisst). Funktioniert überraschend gut!

Pulp · 02-19-2009, 02:29 PM

optical character recognition = optische Zeichenerkennung

02-17-2009, 12:35 PM	#1
mtravellerh book creator Posts: 9,635 Karma: 3856660 Join Date: Oct 2008 Location: Luxembourg Device: PB360°	OCR-Software für altdeutsche Schrift Ich möchte hier mal eine Aufruf starten, vielleicht hab ich ja Glück. Also: Ich habe sämtliche Abenteuer des Detektiv Nobody in altdeutscher Schrift(PDF). Ich weiss. dass es von Abbyy OCR-Software gibt, die diese Schrift lesen kann, aber ich kann sie mir leider nicht leisten. Daher möchte ich gerne wissen, ob jemand diese Software hat und die PDFs durchlaufen lassen könnte (zu HTML oder TXT) Ich würde das K-Lesen übernehmen. Bitte per PM melden ode hier rein schreiben. Falls ich niemanden finde, muss ich wohl oder übel den ganzen Text abschreiben und das wär nun wirklich sehr aufwändig. Danke im Voraus MTH

02-18-2009, 05:10 PM	#4
netseeker sleepless reader Posts: 4,763 Karma: 615547 Join Date: Jan 2008 Location: Germany, near Stuttgart Device: Sony PRS-505, PB 360° & 302, nook wi-fi, Kindle 3	Tesseract ist Open Source und hat Unterstützung und Trainingsdaten sowohl für moderne deutsche Schrift als auch für die Frakturschrift: Tesseract Downloads für alle möglichen Plattformen sowie die Trainingsdaten Habs noch nicht getestet, werde das aber jetzt machen, da ich ebenfalls Bedarf am OCR von Frakturschrift habe. Wahrscheinlich werden die Ergebnisse aber schlechter wie bei Finereader & Co sein...umständlicher ist es allemal.

02-19-2009, 09:13 AM	#8
netseeker sleepless reader Posts: 4,763 Karma: 615547 Join Date: Jan 2008 Location: Germany, near Stuttgart Device: Sony PRS-505, PB 360° & 302, nook wi-fi, Kindle 3	Beim Trainieren von Tesseract hilft unter Windows JTesseract, eine überraschend komfortable GUI, ungemein... Attached Thumbnails

Similar Threads
Thread	Thread Starter	Forum	Replies	Last Post
Grafische Oberfläche für tesseract OCR - Anforderungen bitte	netseeker	Software	39	10-09-2010 04:48 AM
Software - Entwicklung für's PocketBook360 für Einsteiger...	tzenzen	PocketBook	7	06-14-2010 07:10 AM
OCR Software Help	kpfeifle	Workshop	5	03-01-2010 02:27 PM
Mobipocket-Software für Pocketbook	Moredread	PocketBook	0	01-03-2010 08:12 AM
Recommendation for basic scanning software (non OCR)	yunti	Workshop	1	11-27-2009 07:08 AM

02-18-2009, 04:33 AM	#2
Pulp Palm Addict Posts: 477 Karma: 1001951 Join Date: Aug 2008 Device: Cybook Gen3 [512mb, FW: 1.5]	Vom Finereader 9 gibt's eine demo-Version. Sie läßt sich soweit ich weiß 15 Tage nutzen und verarbeitet bis zu 50 Seiten auf einmal. Wenn du das Ergebnis danach in HTML (oder andere Formate) exportierst (und eventuell zusammensetzt) sollte es Dir viel Zeit sparen.

02-18-2009, 03:23 PM	#3
mtravellerh book creator Posts: 9,635 Karma: 3856660 Join Date: Oct 2008 Location: Luxembourg Device: PB360°	Danke. Ich werd das mal probieren.

02-18-2009, 07:21 PM	#6
Pulp Palm Addict Posts: 477 Karma: 1001951 Join Date: Aug 2008 Device: Cybook Gen3 [512mb, FW: 1.5]	In dem Fall solltet Ihr mal das testen: http://www.frakturschrift.de/ Der gewöhnliche Finereader bräuchte auch eine Musterdatei um brauchbare Ergebnisse zu liefern, die sollten hier schon dabei sein.

02-19-2009, 12:36 PM	#9
mtravellerh book creator Posts: 9,635 Karma: 3856660 Join Date: Oct 2008 Location: Luxembourg Device: PB360°	Danke nochmal. Bin schon fleissig am OCRen (oder wie immer das heisst). Funktioniert überraschend gut!

02-19-2009, 02:29 PM	#10
Pulp Palm Addict Posts: 477 Karma: 1001951 Join Date: Aug 2008 Device: Cybook Gen3 [512mb, FW: 1.5]	optical character recognition = optische Zeichenerkennung

Advert

Advert