UB-Mannheim/zotero-ocr

何を解決するか

Zotero内でのPDFファイルに対する光学式文字認識（OCR）を可能にし、検索不能なPDFを検索可能にし、文書の画像からテキストを抽出します。

動作方法

このプラグインは、Tesseract OCRとpdftoppm（Popplerツールから）をZoteroに統合しています。ユーザーがPDFを選択し、コンテキストメニューからOCRプロセスを開始すると、ツールはドキュメントを処理し、認識されたテキストを含む新しいPDF、認識テキストを含むノート、またはHTML（hOCR）ファイルを生成できます。

対象ユーザー

スキャンされたまたは画像ベースのPDFを検索可能かつアクセス可能にする必要がある、研究者、学生、および学術関係者。

特徴

• Tesseract統合: テキスト認識に業界標準のTesseract OCRエンジンを使用。
• 出力の柔軟性: 認識されたテキストを含む新しいPDF、テキストのみのノート、またはhOCRファイルを生成可能。
• 設定のカスタマイズ: 出力のDPI、Tesseractのページセグメンテーションモード（PSM）、言語/文字セットモデルをカスタマイズ可能。
• 添付ファイル管理: 処理済みPDFを通常の添付ファイルまたはリンクファイルとして追加できます。