Je trouve ce script fort utile.
 
Il permet de créer des fichiers PDF adressables embarquant l'OCR:
https://github.com/fritz-hh/OCRmyPDF/
 
Il faut un certain nombre de dépendances dont exactimage, tesseract... Mais le script vous le rappelle. C'est pratique.
La version 2 permet de faire le travail en parallèle.
 
Un simple:

 
recale les pages du document (-d) en français (-l fra) et nettoie les bordures (-c) pour inclure ou non (-i) les bitmaps redressés et nettoyés dans le PDF adressable.
 
Pour des documents vraiment moches, je commence avec scantailor.
 
Bref, le libre comme je l'aime.

toutafé !
 
je suis en train de tâtonner pour combiner ça avec xapian et omega (https://goldy.furry.fr/article4/indexer-ses-documents-personnels-avec-xapian-et-omega)
Mais pas là tout de suite car ma machine n'a pas appréciée ma tentative de passage d'olivia à petra (Mint)
 
As tu une idée pour faire un traitement de masse (traiter tout les fichiers d'un répertoire plus ou moins régulièrement avec un cron par exemple)
genre : /OCRmyPDF.sh -vv *.pdf *.pdf  (ça à l'air bien sale mais bon)

 
un petit coup de recoll et ça roule  
prochain arrêt xapian et oméga
Cdlt  
AD

J'ai dans l'idée de me faire un serveur webdavs/ftp qui intègre automatiquement ainsi dès son dépôt l'OCR embarqué dans les PDF. Je ferais un tri, par exemple sur le nom de fichier.
Cela serait utile dans mon travail. Pour l'heure cela reste au stade d'une idée faute de temps.
 
Je regarde aussi du côté des gestions intégrées de documents (libres) si l'embarquement OCR dans les PDF est à l'ordre du jour.

v4.3.4 ici https://github.com/jbarlow83/OCRmyPDF
Toujours aussi pratique avec un service menu.

e regarde aussi du côté des gestions intégrées de documents (libres) si l'embarquement OCR dans les PDF est à l'ordre du jour.