Abbyy finereader несовпадение типов
ABBYY FineReader 8.0
Проблема такова: сканирую текст (сканер Plastek OptikPro S12), распознаю и передаю текст в Word 2003, а в Worde на экране одни квадратики. Пытался кодировки менять и настройки все перепробывал, но все равно одно и то же. ВABBYY FineReader 7.0 Professional Edition все работало тип-топ. Подскажите что делать. С:cry: пасибо.
Использовал для решения проблемы квадратиков два разных патча. Заметил, что при условии использования патча активировать программу не нужно - патч сам решает эту проблему. Более того, на неправильно активированной програмее (а правильного кейгена для finereader 8 так и не появилось) патч может не подействовать - проблема квадратиков останется
Стоит ли использовать программу, которая имеет определенные глюки с регистрацией и в дальгейшем с работой.
не лучше ли использовать ABBYY FineReader 7.0, а еще лучше ABBYY FineReader 6.0 - самая удобная и проверенная
Стоит ли использовать программу, которая имеет определенные глюки с регистрацией и в дальгейшем с работой.
не лучше ли использовать ABBYY FineReader 7.0, а еще лучше ABBYY FineReader 6.0 - самая удобная и проверенная
Стоит и еще как стоит,восьмерка это лучшее,что есть сейчас.И это не моё мнение ,а общепризнанный факт.А если при отсуствии наличия денежной массы для покупки проги пользуешься "лекарствами",то надо уметь это делать,и сетовать на глючность после их использования конечно некорректо мягкоговоря.
Я что то не помню приличного лекарства для файн ридера начиная с 5 версии . он что то в регистр прописывает и все лекарства не помогают через пару недель все рухает и переустановка не помогает только снос винды. как с этим у новых версий?
У меня была такая проблема (с квадратиками) победил патчеванием Вложение 5451 - вдруг кому понадобиться
видел я патч для него чтоб квадратов небыло. он в инете на каждом углу валяется. он называется "patch for finereader 8 против квадратов.rar". так что тебе поможет яндекс и прямые руки. да прибудет с тобой сила.
Стоит ли использовать программу, которая имеет определенные глюки с регистрацией и в дальгейшем с работой.
не лучше ли использовать ABBYY FineReader 7.0, а еще лучше ABBYY FineReader 6.0 - самая удобная и проверенная
По поводу качества распознания - FRP8 лучше других сохраняет форматирование исходного документа, по сравнению с 6 и 7 версией!
Проверено практически, и лично!
Powered by vBulletin® Version 3.8.9
Copyright ©2000 - 2022, vBulletin Solutions, Inc. Перевод: zCarot
Copyright ©2004 - 2022 2BakSa.WS
ABBYY FineReader 8.0
Проблема такова: сканирую текст (сканер Plastek OptikPro S12), распознаю и передаю текст в Word 2003, а в Worde на экране одни квадратики. Пытался кодировки менять и настройки все перепробывал, но все равно одно и то же. ВABBYY FineReader 7.0 Professional Edition все работало тип-топ. Подскажите что делать. С:cry: пасибо.
Использовал для решения проблемы квадратиков два разных патча. Заметил, что при условии использования патча активировать программу не нужно - патч сам решает эту проблему. Более того, на неправильно активированной програмее (а правильного кейгена для finereader 8 так и не появилось) патч может не подействовать - проблема квадратиков останется
Стоит ли использовать программу, которая имеет определенные глюки с регистрацией и в дальгейшем с работой.
не лучше ли использовать ABBYY FineReader 7.0, а еще лучше ABBYY FineReader 6.0 - самая удобная и проверенная
Стоит ли использовать программу, которая имеет определенные глюки с регистрацией и в дальгейшем с работой.
не лучше ли использовать ABBYY FineReader 7.0, а еще лучше ABBYY FineReader 6.0 - самая удобная и проверенная
Стоит и еще как стоит,восьмерка это лучшее,что есть сейчас.И это не моё мнение ,а общепризнанный факт.А если при отсуствии наличия денежной массы для покупки проги пользуешься "лекарствами",то надо уметь это делать,и сетовать на глючность после их использования конечно некорректо мягкоговоря.
Я что то не помню приличного лекарства для файн ридера начиная с 5 версии . он что то в регистр прописывает и все лекарства не помогают через пару недель все рухает и переустановка не помогает только снос винды. как с этим у новых версий?
У меня была такая проблема (с квадратиками) победил патчеванием Вложение 5451 - вдруг кому понадобиться
видел я патч для него чтоб квадратов небыло. он в инете на каждом углу валяется. он называется "patch for finereader 8 против квадратов.rar". так что тебе поможет яндекс и прямые руки. да прибудет с тобой сила.
Стоит ли использовать программу, которая имеет определенные глюки с регистрацией и в дальгейшем с работой.
не лучше ли использовать ABBYY FineReader 7.0, а еще лучше ABBYY FineReader 6.0 - самая удобная и проверенная
По поводу качества распознания - FRP8 лучше других сохраняет форматирование исходного документа, по сравнению с 6 и 7 версией!
Проверено практически, и лично!
Powered by vBulletin® Version 3.8.9
Copyright ©2000 - 2022, vBulletin Solutions, Inc. Перевод: zCarot
Copyright ©2004 - 2022 2BakSa.WS
Сегодня мы обновили ABBYY FineReader 15 и выпустили его под брендом ABBYY FineReader PDF, потому что он объединяет все инструменты для работы с PDF. По этому поводу публикуем первый пост из серии материалов о фичах программы. В нем мы расскажем об одной интересной возможности, которая не первый месяц есть в программе, но, возможно, не все о ней знали.
Давно ли вы открывали PDF-файлы? Готовы поспорить, что совсем недавно. Скорее всего, на вашем компьютере точно найдется пара сканов, а может, еще и макет презентации, аналитическое исследование или техническая инструкция. Для каких задач обычно используют эти документы? По данным опроса ABBYY, 62% респондентов ищут информацию в PDF, 60% — копируют текст из документа, а 52% — редактируют: вносят в файл правки, исправляют ошибки и опечатки.
Даже сейчас не все знают, что можно редактировать текст в PDF. Да, изменение таких файлов устроено не так, как редактирование обычного текстового документа. ABBYY FineReader PDF с многофункциональным текстовым редактором для работы с PDF и сканами позволяет быстро внести изменения прямо в PDF, без утомительной конвертации файла в другие форматы. При редактировании текст в PDF плавно перетекает со строчки на строчку, как в MS Word. Можно добавить или удалить несколько слов, изменить целые абзацы или даже поменять их местами.
В этом посте мы раскроем технические подробности редактирования многострочных фрагментов текста в FineReader: как мы изменили движок программы, как редактирование устроено изнутри и как оно выглядит для пользователя. Поехали!
Форматом PDF пользуются по всему миру: его содержимое одинаково отображается на любых компьютерах, смартфонах и планшетах с разными операционными системами. Это удобно и помогает избежать неловких ситуаций. Например, когда вы написали текст в MS Word, отправили коллегам, а они открывают его LibreOffice'ом или Wordpad'ом, и все поехало и начинается веселье. PDF, конечно, в этом плане удобнее, но с текстом здесь все сложно. В 70% всех существующих PDF-документов текст есть, а в 30% — нет, так как это изображения.
Поговорим сначала о PDF, в которых текст есть. Чтобы редактировать PDF, надо понимать, как в нем записан текст. Открывали когда-нибудь PDF в блокноте? Если да, то вы видели такое:
Чтобы все это отображалось понятно для пользователя, нужно проделать большую работу.
Вместо заключения
- быстро,
- без конвертации документа,
- с помощью одной программы.
В следующем посте через неделю мы расскажем о том, как научили ABBYY FineReader PDF еще одной интересной фиче и для чего может пригодиться новая функциональность.
Пишите в комментариях, о каких еще технологических особенностях нашей программы вам было бы интересно узнать?
После короткого рассказа о том, как устроен ABBYY FineReader (aka «теоретическая часть»), самое время перейти к применению полученных знаний. И да, котиков под катом нет: всё очень серьёзно.
Как пользователю поучаствовать в обработке документа
Чтобы не изобретать велосипед, начну с простой и понятной схемы из Справки (см. рисунок справа).
Теперь, зная список всех операций, посмотрим на примерах – что может пойти не по плану и как с этим бороться.
Хорошо распознаются только хорошие изображения
А что делать, когда изображения есть, но не очень хорошие? Улучшить прямо в FineReader всё что можно, а, если улучшить нельзя, — попытаться получить изображение заново, устранив проблему. Поскольку тема очень обширная, то при должном интересе будет отдельный пост про то, как подружиться с автоматическими и ручными инструментами обработки изображений прямо в FineReader. Пока же ограничусь замечанием, что изображение будет обработано лучше, если оно:
- (после сканирования) не имеет выраженных геометрических искажений — перекоса или заметного изгиба страниц толстой книги у корешка двухстраничного разворота,
- (после фотографирования, в дополнение к предыдущему) не имеет ещё и нелинейных геометрических искажений («подушка», «трапеция»), имеет равномерную фокусировку (а желательно и яркость) по всей площади, не имеет шумов от недостаточной освещённости, не имеет выраженной засветки от вспышки (особенно на глянцевой бумаге).
Этап настройки документа/проекта
Можно и нужно сразу указать язык текста, параметры предобработки изображений, некоторые параметры анализа и распознавания. Вот скриншот одной из вкладок диалога настроек.
Эти и прочие настройки подробно описаны в Справке
Этап анализа
Назначение областей разных типов
В пользовательском интерфейсе FineReader доступны области нескольких типов, для них есть разные варианты скрываемой панели свойств (внизу окна «Изображение») и контекстного меню (по щелчку правой кнопкой мыши):
-
«Зона распознавания» (по умолчанию серая рамка) — такое название использовано в пользовательском интерфейсе, на мой взгляд правильнее было бы назвать «область для автоматического анализа». Назначение такой области – указать, где на странице вообще нужно искать что-то полезное. Поэтому в результате последующего анализа или анализа+распознавания в пределах каждой «зоны распознавания» может найтись ноль и более областей других типов. Особенно полезны зоны распознавания бывают в шаблонах блоков (подробнее о них в Справке).
Реальный пример из проекта оцифровки Толстого — часть страниц имеет нумерацию строк (пронумерованы строки с номерами, кратными 10), не нужную в результате и затрудняющую вычитку/правку текста, если автоматический анализ включил эти номера в текстовую область колонки. Если страницы были почти одинаково выровнены на сканере или качественно обрезаны после сканирования, то перед анализом к нужной группе страниц можно применить шаблон блоков, где область (или области) распознавания просто не содержит не нужных нам частей страницы:
Помните, что в отличие от текстовой области область распознавания может превратиться в области разных типов, что бывало нужно и в этом проекте.
Эти параметры задаются на блок, так что выделять текст разного направления или разной инверсности в один блок – другая плохая идея.
В европейских языках в нормальной ориентации текста строки читаются сверху вниз (в блоке с повёрнутым текстом – от логического верха в сторону логического низа), но в случае иероглифических языков всё гораздо веселее – даже на одной странице одни области могут содержать текст в горизонтальной ориентации, а другие – в колоночной, причём иероглифы имеют одинаковую ориентацию во всех этих областях (если тема дальневосточных и ближневосточных языков интересна – просите отдельный пост про тамошние навороты).
Важные соображения
- Распознавание и синтез видят только те фрагменты текста, которые оказались выделены в текстовые области или текстовые ячейки таблиц. Если кусок текста не выделен в блоки – распознаваться он не будет.
- Аналогично и с картинками — если часть картинки оказалась вне области или одна целостная картинка оказалась разделена на несколько областей – скорее всего, в результате обработки будут проблемы.
- Языки распознавания в FineReader задаются не для галочки – они влияют на очень многие механизмы, начиная уже с анализа: например, иероглифический (китайский, японский, корейский языки) или арабский текст имеют много особенностей, которые учитываются не всегда, а только при выборе соответствующих языков распознавания.
Особенности взаимодействия близкорасположенных или пересекающихся областей
-
Пересечение текстовых и табличных блоков друг с другом, если есть символы или их части, оказавшиеся в более чем одном блоке – практически всегда ошибка, такие результаты анализа нужно исправлять, тем более что обычно это делается в несколько движений мыши.
Пересечение картиночных областей друг с другом – практически всегда ошибка, хотя и менее критичная для обработки именно текста. Такие случаи тоже желательно исправлять.
Обратите внимание, что с помощью галочки в панели свойств области (внизу) ячейки из левой колонки таблицы сделаны картинками.
Текстовая область на фоне «картиночной» области — тоже важный инструмент: на фоне обычных картиночных областей могут находиться подписи к ним, на «фоновых» картиночных областях может располагаться и основной («колоночный») текст документа, а также таблицы.
Маленькие хитрости для облегчения работы с блоками
Описанные соглашения отражены в поведении редактора блоков. Например, если вы рисуете новый или растягиваете имеющийся блок так, что он полностью или почти полностью перекрывает другие блоки — эти другие блоки автоматически удаляются.
Логичность/нелогичность выделения областей
Тут самое время подумать — для каких целей и какого формата документ хочется получить в результате обработки. Вот некоторые соображения, влияющие на количество и характер исправлений разметки блоков в сложных случаях:
Вариант 1: нам нужен только текст (возможно, мы этого не понимаем, но дело обстоит именно так)
- нет «мусорных» областей, где в качестве текста или таблиц распознаются (мусором) элементы картинок или элементов оформления страницы.
- области логично выделяют строки, не допуская попадания символов в более чем одну область и неоправданного дробления строк на более чем одну область.
- то, что с точки зрения человека является таблицами в оригинале, должно быть выделено в табличные области. Это влияет как на качество распознавания (например, базовые линии строк в разных ячейках могут быть не выровнены по вертикали), так и на удобство поиска и копирования фрагментов текста в выходном документе.
Если отдельные картинки не должны копироваться из выходного PDF-документа – то такие области можно из документа исключить вовсе (не создавать новые и не оставлять найденные автоматикой, как минимум – удалять нелогично найденные картинки, а если не лень – то и все).
Я надеюсь шире и глубже раскрыть тему «разумности» картинок в статье про сохранение документов — если такая будет интересна читателям данного материала.
Вариант 2: нужно всё и сразу
Если документ, включающий не одно лишь текстовое содержимое (в одну или две колонки), предполагается сохранить сразу как электронную книгу в форматах FB2/e-pub или в любой промежуточный редактируемый формат (Вордовый или HTML) для дальнейшего редактирования и производства электронной книги, то осмысленное выделение таблиц и картинок становится особенно важно.
Среди прочего нужно определиться с тем, что делать с группами рядом расположенных картинок, и что делать с подписями к картинкам, как рядом стоящими, так и накладывающимися на картинки. Подробнее разберём эту тему в «Практикуме», на реальных примерах.
Можете объяснить, почему OCR в FineReader распознает pdf с текстом как картинку, соответственно, полно ошибок.
Или я что-то не так делаю?
George
I wish I was a monster you think I am
Можете объяснить, почему OCR в FineReader распознает pdf с текстом как картинку, соответственно, полно ошибок.
Или я что-то не так делаю?
Gadalka
_MBK_
Пикирующий бомбардировщик
Konsta
Распознаю таблицы, в которых текст.
Нет хороших и плохих. Всегда так.
Имел наглость ожидать, что OCR FineReader просто считает текст, так нет же, он их как изображение распознает.
Konsta
Konsta
А зачем распознавать
если можно просто скопировать? Или таки не?
_MBK_
Пикирующий бомбардировщик
Konsta
George
I wish I was a monster you think I am
Lucky1978
Вложения
suntory
Administrator
Lucky1978
Я так понимаю, ТС хочет, чтобы текст брался из текстового слоя при его наличии (а он говорит, что текст есть и копируется), а не распознавался как из отсканированной картинки с появлением ошибок такого распознавания.
suntory
Administrator
Во-первых не топикстартер, просто поднята старая тема о выходе 15 версии.
Во-вторых, как я понял, нужны именно таблицы, а не просто текст из них. Под временными затратами тоже имеется ввиду, что из просто текста делать обратно таблицы долго.
Но может это я не так понял.
Это странновато, покажите хотя бы одну. В автоматическом режиме ошибок достаточно много, но таблицы все-таки далеко не всегда неправильно распознаются.
suntory
Administrator
Вообще FR как бы изначально заточен на распознавание отсканированных картинок без каких-либо текстовых слоев, а от ошибок и текстовый слой не панацея.
Konsta
Konsta
_MBK_
Пикирующий бомбардировщик
Хорошо, продолжим веселую угадайку
Настройки меняли?
Как таблицу копировали?
Без файнридера в doc экспортировали?
Собственно, что именно не так в распознавании - символы перевирает или табличное форматирование?
Konsta
Спасибо!
При переводе на текстовый режим количество ошибок сократилось раз в 30! К сожалению, не распознает пробелы и изредка теряется текст из некоторых ячеек, хотя копипастом этот текст переносится.
Не обращал внимание на эту настройку, так ка работаю и с текстом в графическом формате. Но, самое смешное, что, даже при установке "Использовать только текст. " распознает и графику. Причем, корректнее, чем при универсальной установке.
Редактирование таблиц в PDF
Задача: понять PDF
Содержимое каждой страницы в PDF-файле хранится в виде потоков команд для отрисовки документа – это могут быть текст, изображения или векторная графика. Структуру файла определяют PDF-объекты, например, страница, картинка, комментарий (а абзацы, строчки текста и буквы – это всего лишь части объекта). Символ в PDF представляется глифом . То, как они записаны, определяется шрифтом . Каждый символ хранится отдельно: у него есть шрифт, код символа в шрифте и координаты его расположения на странице. То, где глифы расположены, определяется как раз потоком команд. Кроме того, буквы объединены в потоки текста (text run), но они не смысловые.
В PDF нет ни строк, ни абзацев, которые есть в документах текстовых форматов. Даже порядок текста не всегда определен. То есть вы видите текст, но на самом деле текста не существует. Это хаос из трудно понятных инструкций (как на изображении выше), которые нужно правильно отобразить в конкретных местах документа, с соответствующим форматированием.
«А как же текст?» – спросите вы.
Текст в PDF все же существует, и его даже получится редактировать. Для этого мы учим наши технологии понимать структуру текста, например, определять и выделять строки. Расскажем об этом подробнее.
Особенности подчеркнутого текста
В PDF нет такого атрибута текста как подчеркивание, привычного, например, пользователям MS Word. Подчеркивание в PDF – это векторная графика, никак не связанная с текстом. Без дополнительной доработки продукта при редактировании «подчеркнутого» текста символы бы перемещались привычным образом, а линии, обозначающие подчеркивания, оставались бы на месте. ABBYY FineReader PDF умеет определять и редактировать подчеркнутый текст привычным пользователю образом.
Document Analysis и Synthesis
Чтобы определять в тексте блоки, ABBYY FineReader PDF использует технологию Document Analysis. Она позволяет найти абзацы, таблицы, картинки. Программа подсвечивает найденные блоки небольшими бледными рамками, чтобы пользователю удобнее было вносить правки:
Далее мы усовершенствовали другую подсистему нашей программы – Synthesis. Мы уже рассказывали на Хабре, зачем она нужна. Если вкратце, именно она определяет структуру и все характеристики распознанного текста: какие используются шрифты и размеры, какое начертание (bold, italic, underline), где заголовки, списки, отступы и многие другие параметры, которые можно настраивать в том же MS Word. Мы доработали Synthesis для того, чтобы при распознавании и воссоздании страницы очень точно восстанавливать исходные параметры текста.
Библиотеки PDF и как мы их поменяли
Чтобы сделать возможным редактирование целых абзацев, мы сильно поменяли нашу внутреннюю подсистему (библиотеку), которую мы называем PdfTools. Она занимается тем, что открывает PDF-файлы, парсит потоки команд (т.е. понимает, где расположен текст, где картинки, и воссоздает структуру документа) и помогает пользователям оперировать этими данными: прочитать, изменить, сохранить в PDF.
Подсистема PdfTools содержит все необходимые инструменты, чтобы прочитать содержимое и обернуть его в объекты (страница, картинка, комментарий), с которыми удобно работать программе. С этими объектами уже могут работать наши продукты, в частности ABBYY FineReader PDF и другие.
Как было раньше. В FineReader 14 мы умели редактировать текст только в рамках одной строчки. После редактирования необходимо было выполнить «рендеринг» — расставить глифы на свои новые места.
Вообще рендеринг — это визуализация. Но мы вкладываем в это слово иное понятие — расположение объектов в PDF на своих местах. Для PDF-специалистов это и есть визуализация, которую больше никто не видит. Когда мы говорим о визуализации в привычном понимании, то используем слово «растеризация».
Что решили изменить. Когда появилась задача многострочного редактирования, мы поняли, что в рамках одной библиотеки PdfTools это будет проблематично делать. Нам необходимо было научиться автоматически находить в тексте PDF более крупные фрагменты, например, «видеть» абзацы, понимать, где находятся их границы, какое форматирование должно быть у целого фрагмента текста и что происходит при переходе с одной строки на другую. Чтобы определить все эти параметры, мы решили привлечь для решения этой задачи и другие наши OCR-технологии — Document Analysis (DA) и Synthesis, которые умеют строить структуру документа.
Как отредактировать скан?
Возможность многострочного редактирования доступна и для сканов. Кстати, пользователю даже не надо задумываться, скан перед ним или нет. ABBYY FineReader PDF сам определит это и запустит нужные механизмы. Например, в дате договора — опечатка, или ФИО контрагента поменялось: оно стало длиннее и должно «перетечь» на следующую строчку.
В программе скан сначала распознается, а потом происходит подготовка к редактированию. Когда скан распознали, то текст получается не в нашем исходном документе, а в его виртуальном «двойнике». И именно в нем происходят все операции по редактированию.
Когда пользователь закончил редактировать документ, программа автоматически собирает все изменения со страницы и заменяет эти фрагменты в исходном документе. Наша задача — встроить текст обратно в PDF-документ, не повредив все то остальное, что уже есть в нем.
Редактирование скана позволяет не тратить время на конвертацию документа в другие форматы и обратно. Это удобно, когда нужно быстро внести забытую правку в дату или другой фрагмент текста.
Пример многострочного редактирования. Текст автоматически перераспределяется по строкам по мере добавления слов и предложений внутри абзаца.
Читайте также: