Жопожуй Конидзэ
Ну вот пример разных пдф файлов
https://cloud.mail.ru/public/KxtP/gGFZTGm8k
Но распознавание сканированного текста - всегда очень приблизительное, особенно, если там есть много особых слов, надстрочных шрифтов и т.д.
А ну и еще один способ понять какой пдф перед тобой. Если поиск по тексту работает, то пдф конвертируемый. Если не работает, то отсканированный.)))

Если у создателя файла изначально есть только бумажная версия, то для превращения ее в распознаваемую читаемую версию надо затратить как минимум пару дней, в зависимости от объема книги, не считая времени на сканирование.

В общем создателям сканов учебников я все-таки всегда говорю спасибо, потому что хоть так, чем разыскивать учебники по каталогам библиотек, а потом заниматься копированием+перепечатыванием, а в самых ужасных случаях даже переписыванием.))

Худший формат в мире

LilyofValley
Тут как и с дежа вю есть возможность херануть в некоторых прогах автоматический-полуавтоматический ocr layer. То есть пользователю показывают отсканированную страничку, но есть распознанный текстовый слой, по которому можно вести поиск.

Вон чуваки из Абби очень подробно расписали, с картинками.
https://www.abbyy.com/ru-ru/finereader/pdf-types/

Дежа Вю, кстати, тоже очень годный формат для сканов книг по соотношению размер-качество. Но он занял узкую полупиратскую нишу сканированных книг, несмотря на весь потенциал.

О, слушай, а чем ты просматриваешь пдфы на компе? Могу нарекомендовать просто бомбезный супербыстрый просмотрщик pdf, djvu и ещё кучи форматов, включая ебуки типа epub и mobi. Я о Sumatra PDF - творении одного польского гения. Ещё оно комикбуки типа cbr-cbz умеет. Просто потрясающий комбайн.

Хего Дамаск
В слове "лучший" две ошибки.

Desmоnd
У меня акробат проф стоит для пдф файлов. Он в принципе распознает текст, но всё равно немного косячит и поиск не всегда идеально срабатывает.

LilyofValley
Ну так акробат проф - он сцуко тяжеловатый комбайн. У меня тоже стоит, мне по работе нужно, в основном для конвертации в pptx. А для просмотра - Суматра. Очень быстрая штука.

Desmоnd
Ага, вечером Суматру посмотрю.)

Desmоnd,

>Док - это "раз и готово" если ты изначально делал в ворде.

PDF - это "раз и готово", если ты изначально делал в PDF. Не? Я не понимаю, почему PDF - это проще, чем DOC, если для этой простоты ты изначально должен готовить документ в соответствующем формате и чуть затрахаться с форматированием всяких штук. Чем создание PDF проще создания DOC, когда речь не о печати документов?

>Именно для этого сохранение всего оформления. Не можешь прочитать в том виде? Ну, твои проблемы забавляют.

Чувак, еще раз. Возможность редактировать документ для удобства чтения - это не прочто какая-то особенная фича для задротов, которые не могут в твои шрифты - это базовая маст-хэв фича для читателей каких угодно документов. Это принцип информации, которая засчет своей редактируемости доступна для чьего угодно восприятия, а не какая-то задротская частность, к которой ты пытаешься свести все, что не дружит с нередактируемым PDF-форматом. Потому мне и непонятен смысл PDF как формата для чтения, тогда как лучшим форматом для чтения является тот, который позволяет всем прочесть что угодно в каком угодно виде, невзирая на различия в восприятии. А следовательно, мне непонятна и позиция тех, кто использует PDF как формат для расшара той или иной информации широкой публике - ведь сама цель такого расшара в том, чтобы это кто-то без проблем зачел.

>Но у тебя охуительные выводы: фб2 говно, потому что я не смог поменять фончик.

Лол, што. Можешь указать, где я такое говорил? Потому что я лично помню, что на вопрос "как ты относишься к fb2?" ответил в стиле "все эти ваши ебаные форматы для меня одинаково мутные, попробовал с fb2 как-то и быстро положил болт". Как бы сам ответ в стиле "я попробовал чо-то и забил" подразумевает, что я понимаю, что формат может оказаться и годным, просто я забил раньше, чем выяснил наверняка. Откуда что берете? :/

>ПДФ - действительно удобный для чтения формат с сохранением форматирования, иллюстраций, графиков и прочего

Еще раз. Если PDF не дает читателю отобразить содержимое документа так, чтобы читателю было легко воспринимать это содержимое, но зато железно фиксирует форматирование, графики и прочее, то этот формат идеален не для чтения, а для захардкоженного представления информации. Не для читателя, а для того, кому нужно отобразить все эти ваши диаграммы только так и не иначе. И я до сих пор не понял, кому в здравом уме такое может понадобиться, если речь не о печати документов.

>Тут как и с дежа вю есть возможность херануть в некоторых прогах автоматический-полуавтоматический ocr layer. То есть пользователю показывают отсканированную страничку, но есть распознанный текстовый слой, по которому можно вести поиск.

... если я правильно понял, то это мой случай. Нашел, откуда скачивал - указано, что книга отсканирована. Но поиск по тексту работает.

Жопожуй Конидзэ


А какой это формат? :)

Жопожуй Конидзэ

"Изначально в пдф" - это где такое? Не бывает "изначального пдф". Только в Адоби Иллюстратор, да и то, это костыль в виде "к пдф прикрепляем весь иллюстраторовский файл".


Отредактируй текст на скане или на картинке. Это жы ж базовая мастхэв фича. Любых документов. А?
Все документы электронной дистрибуции не предполагают редактирования. Даже хтмл. Можно, с некоторым напрягом, и всё, если подобрать соответствующий редактор.


Предоставляет, но это, сурпрайз, должен быть специально подготовленный pdf. который, опять-таки сюрпрайз, никто для тебя, вбухивая хуеву тучу человекочасов, делать не будет. Если ты будешь покупать сразу готовый ебук в пдф, то в твоей любимой читалочке сможешь смотреть в удобненьком виде.
Точно так же, как ворд, хтмл и т.д. могут передать fixed layout, но это тоже работа. Которой никто не занимается просто так от нечего делать.

Если вычленить из твоего бугурта конструктив, то выходит не формат - гад, а то, что тебе, дав книгу нахаляву, ещё и не сопроводили рюшечками.

LilyofValley
Полагаю TXT, но там цвет фона так просто в некоторых читалках не сменишь, лил.