Wie kann ich eine durchsuchbare PDF-Datei erzeugen?

[stweil]

Momentan kann eScriptorium die OCR-Ergebnisse nicht zusammen mit den Seitenbildern als PDF-Datei exportieren. Welche Möglichkeiten gibt es, trotzdem eine durchsuchbare PDF-Datei zu bekommen?

[stweil]

Liste von Werkzeugen, die durchsuchbare PDF-Dateien aus den Seitenbildern und dem exportieren OCR-Ergebnis (ALTO oder PAGE XML) erzeugen können:

• https://github.com/ulb-sachsen-anhalt/digital-derivans
• https://github.com/ocropus/hocr-tools (ALTO or PAGE XML muss zunächst nach hOCR konvertiert werden)
• https://github.com/OCR-D/ocrd_pagetopdf
• https://github.com/PRImA-Research-Lab/prima-page-to-pdf
• https://github.com/JKamlah/PagePlus (noch nicht im Hauptzweig)
• ...

Hier eine weitere Option, die hOCR voraussetzt:

• https://github.com/internetarchive/archive-pdf-tools

Diese Liste ist noch unvollständig und in Arbeit. Es fehlt auch noch eine Bewertung, welches Werkzeug empfohlen wird.

[JKamlah]

Transkribus eXpert Client (Export von lokalen PAGE XML Dateien als PDF über eine GUI)