Waarom DJVU naar TXT converteren?
DjVu is een afbeeldingscontainer voor gescande documenten, geen tekstformaat. Om platte tekst te krijgen, moet u een ingesloten OCR-laag extraheren of optische tekenherkenning uitvoeren op de pagina-afbeeldingen. Een .txt-bestand maakt de inhoud doorzoekbaar en kopieerbaar op elk apparaat zonder DjVu-lezer.
Hoe DJVU naar TXT te converteren
DjVulibre OPEN-SOURCE
Voer djvutxt input.djvu output.txt uit om de ingesloten OCR-tekstlaag te extraheren; dit werkt alleen als de .djvu er al een bevat.
Tesseract OCR OPEN-SOURCE
Raster eerst pagina's naar TIFF met ddjvu -format=tiff -page=1 input.djvu page1.tiff, en voer daarna tesseract page1.tiff output uit op elke afbeelding; de nauwkeurigheid hangt af van de scankwaliteit.
Over deze formaten
.DJVU
DjVu Document
Een DJVU-bestand is een DjVu-document - een gescand boek, tijdschrift of gearchiveerd papier opgeslagen als gecomprimeerde paginabeelden, meestal met een doorzoekbare tekstlaag. Open het…
Open .DJVU details →
.TXT
Plain Text File
Een TXT-bestand is platte, niet-opgemaakte tekst - het eenvoudigste documentformaat op elke computer. Dubbelklik erop: Windows opent het in Notepad, macOS in TextEdit, Linux in gedit. Niets…
Open .TXT details →Kwaliteit & waar op te letten
- Dit is tekstextractie, geen formaatconversie: DjVu slaat gecomprimeerde pagina-afbeeldingen op, geen gecodeerde tekst.
- De aanwezigheid van een OCR-laag varieert - open het bestand in een DjVu-viewer en probeer tekst te selecteren; als woorden gemarkeerd kunnen worden, werkt
djvutxtzonder extra OCR. - De nauwkeurigheid van Tesseract hangt af van de scankwaliteit en of het juiste taalpak is geïnstalleerd.
Veelgestelde vragen
Hoe weet ik of mijn `.djvu` een ingesloten tekstlaag heeft?
djvutxt deze extraheren.Kan een online converter `.djvu`-naar-TXT betrouwbaar afhandelen?
Werkt `djvutxt` op documenten met meerdere pagina's?
.txt-bestand waarin alle pagina's achter elkaar zijn geplaatst.
