Pitkän ja puuduttavan prosessin jälkeen sain skannattua noin 250-sivuisen suomenkielisen kirjan, käsiteltyä sivut Scan Tailorilla ja vedettyä käsitellyt sivut tesseract-ocr -tekstintunnistuksen läpi. Tästä sain ~250 tekstitiedostoa, yhden jokaista sivua kohti. Tekstitiedostojen asettelu on PDF-tiedoston luontia ajatellen melko hyvä; rivien määrä on sama kuin paperisivuilla, tavutus on säilynyt, jne..
Kysymys kuuluukin: kuinka luon mahdollisimman paljon alkuperäistä kirjaa muistuttavan PDF-tiedoston useasta tekstitiedostosta? Olen etsiskellyt sopivaa toteutustapaa, mutta en ole toistaseksi sellaista löytänyt. Yksinkertaisia työkaluja toki löytyy, mutta nyt pitäisi voida säätää sellaisia asioita kuin marginaaleja, sivunumeroita, sisennyksiä ja rivivälejä.
Homma pitäisi hoitaa mahdollisimman automaattisesti. Jokaisen sivun copypasteaminen ja yksityiskohtainen käsittely erikseen veisi aivan liikaa aikaa. Pienemmät asiat, kuten otsikoiden fonttikoot ja sivunumerot voi toki hoitaa käsinkin.
Jaa miksikö en tehnyt PDF-tiedostoa suoraan käsitellyistä kuvista? No ensinnäkin tällaisen tiedoston koko olisi ollut yli 20 megaa, kun taas teksti-PDF tulee luultavasti olemaan noin 2 megaa. Toiseksi, kuva-PDF:stä ei voi kopioida tekstiä niin kuin teksti-PDF:stä.
Kiitän neuvoistanne jo etukäteen.
Kysymys kuuluukin: kuinka luon mahdollisimman paljon alkuperäistä kirjaa muistuttavan PDF-tiedoston useasta tekstitiedostosta? Olen etsiskellyt sopivaa toteutustapaa, mutta en ole toistaseksi sellaista löytänyt. Yksinkertaisia työkaluja toki löytyy, mutta nyt pitäisi voida säätää sellaisia asioita kuin marginaaleja, sivunumeroita, sisennyksiä ja rivivälejä.
Homma pitäisi hoitaa mahdollisimman automaattisesti. Jokaisen sivun copypasteaminen ja yksityiskohtainen käsittely erikseen veisi aivan liikaa aikaa. Pienemmät asiat, kuten otsikoiden fonttikoot ja sivunumerot voi toki hoitaa käsinkin.
Jaa miksikö en tehnyt PDF-tiedostoa suoraan käsitellyistä kuvista? No ensinnäkin tällaisen tiedoston koko olisi ollut yli 20 megaa, kun taas teksti-PDF tulee luultavasti olemaan noin 2 megaa. Toiseksi, kuva-PDF:stä ei voi kopioida tekstiä niin kuin teksti-PDF:stä.
Kiitän neuvoistanne jo etukäteen.
Vastaukset 2
Vanhimmat
Kävisikö tällainen:
1. Kopioit tekstitiedostot yhteen.
2. Avaat syntyneen yhden tiedoston Libre Officessa.
3. Valitset haluamasi fontin, asetat marginaalit ja sivunumerot ym. kohdalleen.
4. Katsot, että sivunvaihdot ym, on ok.
5. Tallennat dokumentin pdf:nä (Export as PDF).
... kokeilisit Scribuksella?
http://linux.fi/wiki/Lehden_taittaminen_Scribuksella