Преобразование DJVU в PDF проблемы с этим кодом, сохраняющим OCR

Я хочу конвертировать DJVU в PDF, сохраняя при этом OCR. На этой странице описано, как это сделать, но я получаю пустой HTML-файл.

В / home / steven / Documents / djvu2pdf / 1 /, djvu2hocr -p 1 Intro.djvu дает мне:

Converting 'Intro.djvu':
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
  <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
  <meta name="ocr-system" content="djvu2hocr 0.7.9" />
  <meta name="ocr-capabilities" content="ocr_carea ocr_page ocr_par ocrx_block ocrx_line ocrx_word" />
  <title>DjVu hidden text layer</title>
</head>
<body>
*** [1-11711] Failed to open 'Intro.djvu': No such file or directory.
*** (ByteStream.cpp:693)
*** 'DJVU::GUTF8String DJVU::ByteStream::Stdio::init(const DJVU::GURL&, const char*)'


</body>
</html>
Traceback (most recent call last):
  File "/usr/bin/djvu2hocr", line 7, in <module>
    _.main(sys.argv)
  File "/usr/share/ocrodjvu/lib/cli/djvu2hocr.py", line 325, in main
    djvused.wait()
  File "/usr/share/ocrodjvu/lib/ipc.py", line 114, in wait
    raise CalledProcessError(return_code, self.__command)
subprocess.CalledProcessError: Command 'djvused' returned non-zero exit status 10

приводит к пустому HTML-файлу, поэтому, когда я запускаю

sed 's/ocrx/ocr/g' > pg1.html

он просто работает по неопределенному циклу.

У меня также есть дополнительная программа djvu2pdf, которую я нашел по адресу http://0x2a.at/s/projects/djvu2pdf, но

djvu2pdf Intro.djvu

дает мне

-e Error: /usr/bin/djvu2pdf: File 'Intro.djvu' not found

Файл OCR открывается нормально.

Источник

2 ответа

Я исправил файл /home/steven/Documents/djvu2pdf/1/Intro.djvu. Оказывается, все мои djvu-файлы не имели расширений, но в любом случае linux открывал их.

Тестирование с одностраничным документом

Я первый раз побежал cd /home/steven/Documents/djvu2pdf/1/

Затем побежал: djvu2hocr -p 1 1.djvu

DjVu hidden text layer - Page #1 Traceback (most recent call last): File "/usr/bin/djvu2hocr", line 7, in _.main(sys.argv) File "/usr/share/ocrodjvu/lib/cli/djvu2hocr.py", line 323, in main process_page(page_zone, options) File "/usr/share/ocrodjvu/lib/cli/djvu2hocr.py", line 263, in process_page result = process_zone(None, page_text, last=True, options=options) File "/usr/share/ocrodjvu/lib/cli/djvu2hocr.py", line 238, in process_zone parent.append(child) AttributeError: 'NoneType' object has no attribute 'append'

Команда:djvu2hocr -p 1 1.djvu > tmp.html сделал то же самое Converting '1.djvu': - Page #1 Traceback (most recent call last): File "/usr/bin/djvu2hocr", line 7, in _.main(sys.argv) File "/usr/share/ocrodjvu/lib/cli/djvu2hocr.py", line 323, in main process_page(page_zone, options) File "/usr/share/ocrodjvu/lib/cli/djvu2hocr.py", line 263, in process_page result = process_zone(None, page_text, last=True, options=options) File "/usr/share/ocrodjvu/lib/cli/djvu2hocr.py", line 238, in process_zone parent.append(child) AttributeError: 'NoneType' object has no attribute 'append'

sed 's/ocrx/ocr/g' tmp.html > pg1.html

Я получил html & tmp.html, говорящий это

http://pastebin.com/APwUPwk4

Пришлось публиковать его там по какой-то нелепой причине. Этот сайт не позволил бы мне публиковать этот код, используя html, код, предварительные теги. Ни один из них не работал. Что же такое канал, тем более, где я пропустил его в этом посте.? Я новичок в терминале в Linux, просто учусь с помощью поисков Google

Источник

Сначала попробуйте запустить программу с полным путем к файлу. Запустите следующую команду, чтобы убедиться, что ваш файл существует

file /home/steven/Documents/djvu2pdf/1/Intro.djvu

а потом попробуй

djvu2hocr -p 1 /home/steven/Documents/djvu2pdf/1/Intro.djvu

Во-вторых, есть проблема с самой следующей командой:

sed 's/ocrx/ocr/g' > pg1.html

Это не будет выполняться "в бесконечном цикле", а будет просто ждать стандартного ввода (клавиатура в вашем случае), так как вы не запускаете sed с аргументом или как часть канала. sed не знает, какой файл вы хотите обработать.

На странице, на которую вы ссылаетесь, четко указано, что вы должны запускать ее как часть канала. Кроме того, вы можете сделать это следующим образом:

 djvu2hocr -p 10 /home/steven/Documents/djvu2pdf/1/Intro.djvu > tmp.html
 sed 's/ocrx/ocr/g' tmp.html > pg10.html
Источник
Другие вопросы по тегам