Hvorfor konvertere DJVU til TXT?
DjVu er en billedcontainer til scannede dokumenter, ikke et tekstformat, så udtrækning af ren tekst kræver enten at hente et indlejret OCR-lag eller at køre optisk tegngenkendelse på sidebillederne. En .txt-fil gør indholdet søgbart og muligt at kopiere på enhver enhed uden en DjVu-fremviser.
Sådan konverterer du DJVU til TXT
DjVuLibre OPEN-SOURCE
Kør djvutxt input.djvu output.txt for at udtrække det indlejrede OCR-tekstlag; virker kun, hvis din .djvu allerede indeholder et.
Tesseract OCR OPEN-SOURCE
Rasteriser først siderne til TIFF med ddjvu -format=tiff -page=1 input.djvu side1.tiff, og kør derefter tesseract side1.tiff output på hvert billede; nøjagtigheden afhænger af scanningskvaliteten.
Om disse formater
.DJVU
DjVu Document
En DJVU-fil er et DjVu-dokument - en scannet bog, et tidsskrift eller et arkiveret papir gemt som komprimerede sidebilleder, normalt med et søgbart tekstlag. Åbn den gratis med SumatraPDF…
Åbn .DJVU detaljer →
.TXT
Plain Text File
En TXT-fil er almindelig, uformateret tekst - det enkleste dokumentformat på enhver computer. Dobbeltklik på den: Windows åbner den i Notepad, macOS i TextEdit, Linux i gedit. Intet skal…
Åbn .TXT detaljer →Kvalitet & hvad man skal være opmærksom på
- Dette er tekstudtrækning, ikke en formatkonvertering: DjVu gemmer komprimerede sidebilleder, ikke kodet tekst.
- Tilstedeværelsen af OCR-lag varierer - åbn filen i en DjVu-fremviser og prøv at markere tekst; hvis ord kan fremhæves, vil
djvutxtfungere uden yderligere OCR. - Tesseract-nøjagtighed afhænger af scanningskvaliteten og om den korrekte sprogpakke er installeret.
Ofte stillede spørgsmål
Hvordan ved jeg, om min `.djvu` har et indlejret tekstlag?
djvutxt kan udtrække det.Kan en online konverter håndtere `.djvu`-til-TXT pålideligt?
Fungerer `djvutxt` på dokumenter med flere sider?
.txt-fil, hvor alle sider er sat sammen efter hinanden.
