¿Por qué convertir DJVU a TXT?
DjVu es un contenedor de imágenes de documentos escaneados, no un formato de texto, por lo que obtener texto plano requiere extraer una capa OCR incrustada o realizar un reconocimiento óptico de caracteres en las imágenes de las páginas. Un archivo .txt hace que el contenido sea buscable y copiable en cualquier dispositivo sin un lector de DjVu.
Cómo convertir DJVU a TXT
DjVulibre OPEN-SOURCE
Ejecute djvutxt input.djvu output.txt para extraer la capa de texto OCR incrustada; solo funciona si el .djvu ya contiene una.
Tesseract OCR OPEN-SOURCE
Primero rasterice las páginas a TIFF con ddjvu -format=tiff -page=1 input.djvu page1.tiff, luego ejecute tesseract page1.tiff output en cada imagen; la precisión depende de la calidad del escaneo.
Acerca de estos formatos
.DJVU
DjVu Document
Un archivo DJVU es un Documento DjVu: un libro, revista o documento de archivo escaneado que se almacena como imágenes de página comprimidas, generalmente con una capa de texto en la que se…
Abrir detalles de .DJVU →
.TXT
Plain Text File
Un archivo TXT es texto plano sin formato, el formato de documento más simple en cualquier computadora. Haga doble clic en él: Windows lo abre en Notepad, macOS en TextEdit, Linux en gedit.…
Abrir detalles de .TXT →Calidad y qué observar
- Esto es extracción de texto, no una conversión de formato: DjVu almacena imágenes de páginas comprimidas, no texto codificado.
- La presencia de la capa OCR varía: abra el archivo en un visor de DjVu e intente seleccionar texto; si las palabras se pueden resaltar,
djvutxtfuncionará sin OCR. - La precisión de Tesseract depende de la calidad del escaneo y de que esté instalado el paquete de idioma correcto.
Preguntas frecuentes
¿Cómo sé si mi `.djvu` tiene una capa de texto incrustada?
djvutxt la extraerá.¿Puede un convertidor en línea manejar la conversión de `.djvu` a TXT de manera fiable?
¿Funciona `djvutxt` en documentos de varias páginas?
.txt con todas las páginas concatenadas.
