• openkm 6.3.10 tesseract y OCR

  • Hemos intentado hacer de OpenKM una aplicación lo más intuitiva posible, sin embargo siempre viene bien algún consejo.
Hemos intentado hacer de OpenKM una aplicación lo más intuitiva posible, sin embargo siempre viene bien algún consejo.
Forum rules: Por favor, antes de preguntar algo consulta el wiki de documentación o utiliza la función de búsqueda del foro. Recuerda que no tenemos una bola de cristal ni poderes mentales, o sea que que para informar sobre un error es necesario que nos indiques tanto la versión de OpenKM que usas como la del navegador y sistema operativo. Para más información consulta Cómo informar de fallos de forma efectiva.
 #52453  by eaperezh
 
Estimados buenos dias.

Estoy usando OpenKM 6.3.10 community.
Esta version tiene instalada tesseract
tesseract 3.04.00
leptonica-1.72
libgif 4.1.6(?) : libjpeg 6b (libjpeg-turbo 1.2.90) : libpng 1.5.13 : libtiff 4.0.3 : zlib 1.2.7 : libwebp 0.3.0

Preguntas
1- Puedo actualizar tesseract sin que el OpenKM se dañe? o no es recomendable?
Me gustaria actualizar tesseract a la version 4 ademas de optimizarla para español

2- Con referencia al OCR. Si yo tengo un monton de PDFs, si lo subo a OpenKM hay forma de que OpenKM ejecute algo asi como:
convert -density 300 /path/a/mi/documento.pdf -depth 8 -strip -background white -alpha off archivoresultante.tiff
y despues de eso le corra tesseract?

O bien, que opciones tengo si tengo 500 PDFs que quiero subir a OpenKM y quiero hacerles OCR?

Saludos y gracias.
 #52464  by jllort
 
Varias cosas:
* instalar el tesseract no puede dañar openkm
* lo suyo es montar la version 4 de tesseract aunque si no te viene directamente en los repositorio igual te insteresa mas migrar openkm a una versión mas nueva del sistema operativo ( depende , al final todo es tiempo )
* En la version 4 simplemente instalas el diccionari de español y si quieres el de ingles y en el parámetro de configuración system.ocr pondras algo así como:
Code: Select all
 /usr/bin/tesseract ${fileIn} ${fileOut} -l eng+spa
* Una vez configurado el OCR ( probarlo desde Administration > tools > check text extraction ) lo que tienes que hacer es poner todos los documentos en la cola de indexación nuevamente -> Administration > Tools > Rebuild indexes > Text extractor
Selección_020.png
Selección_020.png (41.21 KiB) Viewed 9745 times

About Us

OpenKM is part of the management software. A management software is a program that facilitates the accomplishment of administrative tasks. OpenKM is a document management system that allows you to manage business content and workflow in a more efficient way. Document managers guarantee data protection by establishing information security for business content.