OCR für hinzugefügte Dokumente

[j-dimension]

Tesseract?

• [ ] Installation von Tesseract ggf. Nutzer überlassen, aber eine Konfiguration für die Anbindung bereitstellen
• [x] #2294
• [ ] OCR für Dokumente in der Akte - auf Nutzeraktion
• [ ] "Erkennen" von Nicht-OCR-PDFs, Darstellung mit anderem Icon

[j-dimension]

https://www.naps2.com/ (leider nur Windows)

[j-dimension]

https://github.com/jbarlow83/OCRmyPDF

http://www.tobias-elze.de/pdfsandwich/

[j-dimension]

https://kbdeveloper.qoppa.com/java-program-recognize-ocr-add-text-to-pdf/

[j-dimension]

@RA-crm

[j-dimension]

https://apple.stackexchange.com/questions/76471/make-existing-pdf-searchable-ocr-via-command-line-script

[j-dimension]

@bjk00 : https://github.com/tesseract-ocr/tesseract/wiki/FAQ#how-do-i-produce-searchable-pdf-output Und für Java gibt es einen Wrapper für die tesseract ocr api: https://github.com/nguyenq/tess4j

[j-dimension]

Text von Duplikat #1338 :

Aktuell gibt es keine Möglichkeit, OCR nachträglich und als Funktion innerhalb der Akte (Dokument -> Rechtsklick -> Texterkennung durchführen) durchzuführen.

ocrmypdf/tesseract könnte serverseitig eingebunden werden, um Texterkennung für einzelne Dokumente nach Bedarf zu ermöglichen.

Im Posteingang/Faxeingang könnte geprüft werden, ob ein PDF schon Text enthält; falls nicht, könnte auch dort die Funktion bereit gestellt werden

Wie vermutlich viele hier haben wir das Thema OCR/Durchsuchbarkeit für unsere Dokumente gelöst, indem wir neue Faxe/Scans durch ocrmypdf mittels tesseract texterkennen lassen. Ungelöst ist leider, wie mit PDFs von Dritten (gescannter Text per Mail) umgegangen werden kann. Auch schicken uns Anwält*innen gern "flache" Schriftsätze ihrer Schreiben per beA (ich kann nur vermuten, was bei denen nach dem kommenden Jahreswechsel los ist).

[librelegal]

Offenbar arbeitet auch Stirling PDF ebenfalls mit OcrMyPdf (https://github.com/Frooodle/Stirling-PDF), was evtl. mit issue #2128 erledigt werden könnte