Зачем конвертировать DJVU в TXT?
DjVu - это контейнер для изображений отсканированных документов, а не текстовый формат, поэтому получение обычного текста требует либо извлечения встроенного слоя OCR, либо выполнения оптического распознавания символов на изображениях страниц. Файл .txt делает содержимое доступным для поиска и копирования на любом устройстве без программы для чтения DjVu.
Способы конвертации DJVU в TXT
DjVuLibre OPEN-SOURCE
Запустите djvutxt input.djvu output.txt для извлечения встроенного текстового слоя OCR; работает только если файл .djvu уже содержит его.
Tesseract OCR OPEN-SOURCE
Сначала растрируйте страницы в TIFF с помощью ddjvu -format=tiff -page=1 input.djvu page1.tiff, затем запустите tesseract page1.tiff output для каждого изображения; точность зависит от качества сканирования.
Об этих форматах
.DJVU
DjVu Document
Файл DJVU - это документ DjVu, представляющий собой отсканированную книгу, журнал или архивный документ, хранящийся в виде сжатых изображений страниц, обычно с текстовым слоем для поиска.…
Открыть детали .DJVU →
.TXT
Plain Text File
Файл TXT - это простой неформатированный текст, самый элементарный формат документов на любом компьютере. Дважды щелкните по нему: Windows откроет его в Notepad, macOS - в TextEdit, Linux -…
Открыть детали .TXT →Качество и на что обратить внимание
- Это извлечение текста, а не конвертация формата: DjVu хранит сжатые изображения страниц, а не кодированный текст.
- Наличие слоя OCR варьируется - откройте файл в просмотрщике DjVu и попробуйте выделить текст; если слова выделяются,
djvutxtсработает без дополнительного OCR. - Точность Tesseract зависит от качества скана и наличия установленного соответствующего языкового пакета.
Часто задаваемые вопросы
Как узнать, есть ли в моем `.djvu` встроенный текстовый слой?
djvutxt сможет его извлечь.Может ли онлайн-конвертер надежно справиться с DjVu в TXT?
Работает ли `djvutxt` с многостраничными документами?
.txt, в котором последовательно объединены все страницы.
