Por que converter DJVU para TXT?
O DjVu é um contentor de imagens de documentos digitalizados, não um formato de texto, pelo que obter texto simples requer a extração de uma camada OCR incorporada ou a execução de reconhecimento ótico de caracteres nas imagens das páginas. Um ficheiro .txt torna o conteúdo pesquisável e passível de ser copiado em qualquer dispositivo sem um leitor de DjVu.
Como converter DJVU para TXT
DjVuLibre OPEN-SOURCE
Execute djvutxt input.djvu output.txt para extrair a camada de texto OCR incorporada; funciona apenas se o .djvu já contiver uma.
Tesseract OCR OPEN-SOURCE
Primeiro rasterize as páginas para TIFF com ddjvu -format=tiff -page=1 input.djvu page1.tiff, depois execute tesseract page1.tiff output em cada imagem; a precisão depende da qualidade da digitalização.
Sobre estes formatos
.DJVU
DjVu Document
Um arquivo DJVU é um Documento DjVu - um livro, revista ou papel arquivado digitalizado e armazenado como imagens de página compactadas, geralmente com uma camada de texto pesquisável.…
Abrir detalhes de .DJVU →
.TXT
Plain Text File
Um arquivo TXT é um texto simples e não formatado - o formato de documento mais básico em qualquer computador. Clique duas vezes nele: o Windows o abre no Notepad, o macOS no TextEdit, o…
Abrir detalhes de .TXT →Qualidade e o que observar
- Isto é extração de texto, não uma conversão de formato: o DjVu armazena imagens de páginas comprimidas, não texto codificado.
- A presença da camada OCR varia - abra o ficheiro num visualizador de DjVu e tente selecionar texto; se as palavras puderem ser realçadas, o
djvutxtfuncionará sem necessidade de novo OCR. - A precisão do Tesseract depende da qualidade da digitalização e da instalação do pacote de idioma correto.
Perguntas frequentes
Como sei se o meu `.djvu` tem uma camada de texto incorporada?
djvutxt irá extraí-la.Um conversor online consegue lidar com `.djvu` para TXT de forma fiável?
O `djvutxt` funciona em documentos com várias páginas?
.txt com todas as páginas concatenadas.
