myGully.com Boerse.SH - BOERSE.AM - BOERSE.IO - BOERSE.IM Boerse.BZ .TO Nachfolger
Zurück   myGully.com > Talk > Off Topic
Seite neu laden

Wie den Text einer PDF sauber extrahieren (weniger Absatzmarken)?

Willkommen

myGully

Links

Forum

 
Antwort
 
Themen-Optionen Ansicht
Ungelesen 23.10.15, 21:28   #1
acs384
Newbie
 
Registriert seit: Sep 2009
Beiträge: 66
Bedankt: 29
acs384 ist noch neu hier! | 0 Respekt Punkte
Standard Wie den Text einer PDF sauber extrahieren (weniger Absatzmarken)?

Hi,

ich habe viel Software getestet und den Text mit Acrobat oder was auch immer zu extrahieren ist sehr einfach. Ziel ist es für einen blinden Freund mal einige Bücher sauber mit der Software Balabolka in Audios zu wandeln.

z.B. eine Epub kann man sofort umwandeln.

Eine PDF jedoch hat zu viele unnötige Absätze welche dann von einen Leseprogramm nicht korrekt ausgesprochen werden, da es dann zu oft eine Lesepause gibt.

Habt ihr eine Idee ob es Software gibt welche sich auf extrahiereten Text von PDFs spezialisiert hat. Und z.B. o.g. Problem löschen kann indem der Text erst automatisch editiert wird.

Oft sind auch alle oder fast alle Buchstaben von Wörter mit einer Leetaste getrennt. Vielleicht gibt es ja auch dafür eine Lösung ohne dass man jedes Wort selber lesen muss um es zu korrigieren.

Außerdem wäre es nicht schlecht wenn die Seitenzahlen entfernt werden. aber das ist weniger wichtig.
acs384 ist offline   Mit Zitat antworten
Ungelesen 23.10.15, 22:43   #2
Client70
Newbie
 
Registriert seit: Dec 2013
Beiträge: 71
Bedankt: 71
Client70 wird langsam von ratten respektiert | 129 Respekt PunkteClient70 wird langsam von ratten respektiert | 129 Respekt Punkte
Standard

Zuallererst habe keine direkte Lösung jedoch einige Anregungen.
Ab Windows 8 kann man soweit ich weiss einfach den Screen Reader nutzen und dann über die Tastaturbefehle zum nächsten Absatz springen. Die Sprachausgabe die voreingestellt ist ist jedoch leider nicht gerade gut es, ist jedoch durchaus möglich dort eine andere Sprachausgabe zu installieren.Auch die Tastaturbefehle sollten komplett beherrrscht werden was recht umfangreich ist aber fast alles möglich macht was funktionell möglich ist.
Möglicherweise können die Absätze auch zum Großteil schon erspart werden wenn du die pdf Datei in eine EPUB Datei umwandelst z.B mit Calibre(freies Programm). Dort kannst du das Ergebnis des Textes dann auch speziell vorkonfigurieren. Auch nicht nur als EPUB ausgabe möglich sondern wesentlich mehr Formate möglich.
Was auch möglich wäre ist die Sprachsteuerung von Windows zu nutzen. Und dann zum nächsten Absatz zu navigieren die Sprachsteuerung ist komplett selber anpassbar mit neuen Befehlen.
Sich die spezialisierten Tastaturfunktionen von Windows anzueignen kann auch eine große Hilfe sein um solche Schwierigkeiten schnell per Tastendruck zu umgehen damit meine ich z.B. so Sachen wie ganze Zeile markieren zur nächsten oder ans Ende/Anfang der Zeile springen etc. gibt noch viel mehr als man so üblicherweise kennt.
Benutze selber oft den IVONA Reader funktionierende version leider nur bei avaxhome vorhanden der hat recht einfache Schnelltastenfunktionen um zu navigieren(Bloss aber vorsicht beim installen muss komplett geblockt werden und korrekt installiert - kannst du aber kostenlos 255 Tage testen) der liest auch alles vor was ich z.B im Internet oder in einer Pdf markiere. Damit kannst du auch problemlos mp3 dateien aufzeichnen.
Eine weitere Idee mp3 z.B mit vlc abspielen und Tastenfunktionen zum vorspulen nutzen. Es gibt da viele Wege jedoch muss man sich echt ne Weile einarbeiten aber es erröffnet einem viele neue Möglichkeiten auch z.B bei der Internetnavigation.
Von einem speziellen Programm ist mir nichts bekannt was ich mir vorstellen könnte was es gibt sind sogenannte fastreader die alles in einer Zeile abspulen um es schneller erfassen zu können die sparen normalerweise Lücken im Text aus leider hatte ich noch keinen der auch vorlesen kann. Auch würde ich mal nach einem Forum speziell für Blinde nachschauen - es gibt mit Sicherheit weitere Informationen zu dem Thema. Aber bedenken das es dort auch viele gibt die sich auch nicht so gut mit neuen Funktionen auskennen(wie generell bei Computern) es gibt auch wirklich Leute die wirklich Profihaft sich mit solchen Funktionen auskennen z.B sogar blinde Programmierer (die müssen auch gut navigieren können um sich im Code zurechtzufinden). Wenn du irgenwelche Fragen zu meinen Angaben hast einfach bzw. etwas zu unklar ist einfach PN schicken helfe immer gerne.
Client70 ist offline   Mit Zitat antworten
Folgendes Mitglied bedankte sich bei Client70:
Antwort


Forumregeln
Du kannst keine neue Themen eröffnen
Du kannst keine Antworten verfassen
Du kannst keine Anhänge posten
Du kannst nicht deine Beiträge editieren

BB code is An
Smileys sind An.
[IMG] Code ist An.
HTML-Code ist Aus.

Gehe zu


Alle Zeitangaben in WEZ +1. Es ist jetzt 05:21 Uhr.


Sitemap

().