Новые заметки по сканированию.

Переносы в словах. FineReader 6

В FineReader'e 6 при переносе слов со строки на строку  я просто сшивал слова удалением дефиса-переноса. Теперь я понял, что лучше заменять дефис переноса 'мягким переносом используя горячие клавиши CTRL + '-'. Тогда в случае сохранения в pdf - это будет более корректно. Разбиение на строки останется как и было в книге. (06.08.2003)

 

 

 

 

Некоторые заметки по сканированию

это беспорядочные заметки - для самого себя, но поскольку в последнее время мне стали задавать вопросы : я решил просто выкладывать обновления по этому поводу. Если кто-то может мне что-то подсказать - буду благодарен.

Slava Yanko slavaaa@yandex.ru 

 

 

Переносы в словах. FineReader 6. 1

Почему я сканирую?. 2

О моих терминах. 3

Страница - Лист - Разворот. 3

I. Мое форматирование в Word'е. Между Интернетом и Сканированием - Word обязателен. 3

1. Форматирование. 3

2. HTML - Word. 3

3. Страницы.. 4

Мой стиль Book или Page или Bookpage. 4

цвет стиля. 4

Мои форматы книг. 4

Как разбить мою книгу в Word на страницы.. 5

Знак абзаца. 5

1. Поэтому вы идете в replace (заменить) 5

Введение разрыва страницы после номера страницы.. 5

выбор стиля в Replace. 6

2. В пункте 'Найти' ==> выбираете 'Формат' ==> 'Стиль' ==> BookPage или Book. 6

3. выбираете  BookPage или book в найти: 7

4.  В заменить: 'Специальный' ==>  'Искомый текст'. 7

Введение искомого текста. 7

5. Затем добавляете 'Разрыв страницы'. 8

Введение разрыва страницы.. 8

Итог. 8

Некоторые таблицы в Word. 8

Панель Таблицы и границы.. 9

Выбираем толщину линии. 10

Цвет линии. 10

Карандаш рисования таблицы.. 10

Рисуем в ячейке кайму. 10

II. Сканирование. 11

1. При сканировании я использую.. 11

2. Настройка сканирования. 12

1. Опции. 12

2. Использовать интерфейс FineReader'a. 13

3. Менеджер TWAIN.. 16

4. Разрешение при сканировании. 17

3. Экономия времени сканирования. 17

1. Размеры поля сканирования. 18

2. Расположение книги на сканере. 18

3. Размеры сканирования. 19

4. Точная подгонка размеров для сканирования. 20

III. Распознавание текста. 20

Проблема со стихами. 20

1. Стихи на странице. 21

2. Сохранить текст с делением на строки. 21

3. Опция 'Авто' в Распознавании. 22

4. 'Форматированный пробелами'. 23

IV. Передача файла из FineReader'a в Word. 23

1. Что делать чтобы сохранить нумерацию страниц?. 23

1. Номер страницы входит в текстовый блок. 24

2. Номера страниц, как отдельные текстовые блоки расположенные параллельно. 24

3. Номера страниц, как отдельные текстовые блоки расположенные параллельно - крупнее. 24

4. Сохранять полное форматирование. 25

5. Что будет в Word'e если вы сохранили полное форматирование с параллельными номерами страниц в отдельных блоках  25

6. Сохранять начертание и размер шрифта. 26

2. Если же страницы комбинируются с колонтитулами, как указано ниже :... 26

1. Номера страниц и колонтитулы - 1. 26

2. Номера страниц и колонтитулы - 2. 27

3. Номера страниц и колонтитулы - 3. 27

4. Заметить в FineReader'e. 27

5. Заметить все в FineReader'e  - стирая искомый текст. 28

6. Заметить все в FineReader'e  - заменяя искомый текст. 28

3. Кое-что из анализа макетирования. 28

Вы можете открывать одно и тоже изображение FineReader'ом и оно всякий раз будет пониматься программой, как новое. 28

1. Разнобой в развороте. 29

2. Делить разворот книги. 30

3. Открыть изображение. 31

4. Номер страницы пакета соответствует номеру изображения tiff в папке пакета. 31

4. Какое будет разрешение графических файлов передаваемых из FineReader'a в Word?. 32

1. Форматы.. 32

2. Разрешение картинок при передаче в Word. 33

IV. Заморочки. 33

TWAIN - Vista Scan. 33

 

 

Почему я сканирую?

Когда я впервые купил компьютер, а это был book(Macintosh), я полагал что вот пойду в Интернет и найду себе книжки:

Но Интернет в 1995 - это был полный ноль.

Нашел я там - только Максима Мошкова. Это была удача. Он очень интеллигентный человек, что нынче редкость.

Но: фантастику я не читаю - а остального в сети тогда вааще не было.

Вот я и купил сканер, новый комп для программы FineReader и попробовал сам сканировать.

Сканировал я по двум причинам.

1. Мы очень много были на гастролях и на гастролях я мог читать книги на буке.

2. Я мог уехать надолго в Нью-Йорк и тогда моя библиотека была бы со мной.

Тем более заметки и компиляции прочитанных книг.

Вообще-то до недавней поры, у меня складывалось впечатления что для русских Интернет - это только газета.

В информационном смысле.

Если только вы не платите за что-то кому-то деньги.

 

 

О моих терминах

Страница - Лист - Разворот

Мне привычнее использовать слово страница пакета - как лист из двух страниц книги. Видимо потому, что я сканировал, как правило, сложные книги - в которых иногда по пять языков на каждом развороте. Поэтому мне удобнее распознавать и проверять сразу две страницы без разделения страниц по отдельности.

I. Мое форматирование в Word'е. Между Интернетом и Сканированием - Word обязателен.

Вы можете просто посмотреть разницу  между моим форматированием книги Лотмана в Word'e и не моим форматированием другой книги Лотмана без Word'a а напрямую, видимо, из FineReader'a.

http://catalog.booksite.ru/localtxt/lot/man/lotman_u_m/o_po/etah/i_poe/zii/o_poetah_i_poezii/index.htm  - это не мой вариант

и мой вариант Семиосферы Лотмана:

СЕМИОСФЕРА - html и zip

Мое сравнение этих двух книг - находится здесь:

http://yanko.lib.ru/books/error-fort/slava-sos-1.htm

 

1. Форматирование

Смысл моего форматирование в Word'е сводится к тому, чтобы определить каким заголовкам книги будут соответствовать определенные уровни заголовков в Word'е. 1-2-3-4. Чаще на этом уровни заканчиваются.

Все, что ниже четвертого может быть моей самодеятельностью, но если я это делаю, то предупреждаю.

2. HTML - Word

Какую бы версию html или word вы не взяли из сайта - это уже теперь не имеет значения, так как все нынче конвертируется в Word'е туда-сюда без потерь.

Если вы взяли html, то легко открываете его в Word'е и сохраняете как Word или наоборот - взяв Word в зипе сохраняете его как html.

Все, что вам надо - это - либо распечатать на принтере, либо удобно читать и редактировать - вот для этого вам Word и нужен, так как в html вы тупо читаете и не редактируете.

Html я выкладываю в сеть только потому, что это интернет и поисковые машины могут найти эту книгу - если вааще она кому-то нужна J

Word я выкладываю - только потому, что многие до сих пор не знают, что html легко конвертируется нынче в Word - и я тупо это делаю. Правда зип проще бросать к себе на хард.

И пространства на харде у Максима Мошкова это занимает в два раза больше. Увы.

Боже, огромное спасибо Максиму!!! Если бы не он, страшно подумать что было бы с совком.

3. Страницы

В последнее время страницы я форматирую отдельным стилем, т.е. по сути - тоже заголовком и именно для того, чтобы можно было вернуть книгу к ее бумажному варианту разбиения на страницы. Но заголовок этот скрыт. Если вы видите -  страницы выделены отдельным цветом - то это именно то, о чем я говорю.

Мой стиль Book или Page или Bookpage

 

   

обычно этим цветом -

цвет стиля

назвал я этот стиль либо book либо bookpage

Мои форматы книг

Я обычно выкладываю в сеть книги в формате HTML или zip. Если zip, то это сжатый Word 2002. В зависимости от того Вода который последний. Тему версии Вода я не обсуждаю, так как, чем более новый - тем более удобно в нем работать.

Так вот:

Что это значит?

А значит это то, что благодаря этому вы за несколько секунд можете сами разбить книгу на страницы как это было в бумажном виде.

Как разбить мою книгу в Word на страницы

Нажимаете

Знак абзаца

чтобы видеть форматирование

 

по абзацам видно, что разрыва по страницам нет - это хорошо для html, но плохо для распечатки на принтере.

1. Поэтому вы идете в replace (заменить)

Введение разрыва страницы после номера страницы

выбор стиля в Replace

2. В пункте 'Найти' ==> выбираете 'Формат' ==> 'Стиль' ==> BookPage или Book

3. выбираете  BookPage или book в найти:

4.  В заменить: 'Специальный' ==>  'Искомый текст'

Введение искомого текста

 

5. Затем добавляете 'Разрыв страницы'

Введение разрыва страницы

или просто вручную пишете ^&^m - что одно и тоже, если знаете обозначение специальных символов в Word'е

Далее нажимаете кнопку Заметь все

И : ВСЕ

Итог

Как видите появился знак разрыва страницы.

Теперь вся книга разбита на страницы, как в бумажном виде книги.

 

Некоторые таблицы в Word

Например вот такая таблица из книги Холоповой 'Музыкальные формы'

как из нее сделать такую таблицу?

R

а

R

b

а

R

с

R

с

da capo

g

g-B

В

B-g

g

g

g-d

d

с

 

12т.

12т.

8т.

8т.

11т.

12т. (13г.)

5т.

9т.

14т.

 

 

период

 

серед.

 

 

 

 

 

 

 

и репр.

 

 

 

 

 

 

пр. трехчаст. форма

 

 

 

 

 

Достаем панель 'Таблицы и границы'

а именно:

Панель Таблицы и границы

Нам нужно подрисовать некоторые ячейки - выделить их каймой.

  1. Выбираем толщину линии, цвет
  2. Выбираем карандаш и рисуем кайму

Выбираем толщину линии

Цвет линии

Карандаш рисования таблицы

Рисуем в ячейке кайму

 

  

 

будет лучше виднее если выбрать красный

 

и таким образом получим

 

R

а

R

b

а

R

с

R

с

da capo

g

g-B

В

B-g

g

g

g-d

d

с

 

12т.

12т.

8т.

8т.

11т.

12т. (13г.)

5т.

9т.

14т.

 

 

период

 

серед.

 

 

 

 

 

 

 

и репр.

 

 

 

 

 

 

пр. трехчаст. форма

 

 

 

 

 

 

Или так виднее

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Вот и все.

II. Сканирование

1. При сканировании я использую

1. Программу Fine Reader 6 pro (?)
2.
Сканер UMAX Astra 1200S ($270-320) теперь около $100
3.
Редактирую HTML в Word 2002.


Янко Слава (библиотека Fort / Da) yanko_slava@yahoo.com  | | http://yanko.lib.ru ||  Icq# 75088656

update 17.05.03

 

 

2. Настройка сканирования

 

Нужно выбрать режим сканирования 'В Интерфейсе FineReader'а', иначе это будет АД. Стоит сразу выбрать галочку в разделе Инвертирования.

1. Опции

      

 

2. Использовать интерфейс FineReader'a

           

 

Сканировать же книгу 'В Менеджере TWAIN' - означает в каждой странице заново размечать область сканирования:

3. Менеджер TWAIN

 

В настройках сканера 'В Интерфейсе FineReader'а' выбрать размер области сканирования и поставить по умолчанию 'Разрешение - 300':

4. Разрешение при сканировании

 

3. Экономия времени сканирования

Именно в этом окне нужно выставить размеры поля сканирования для экономии времени в полтора раза.

 

Вот как это будет выглядеть если не уменьшить поле сканирования:

1. Размеры поля сканирования

 

Все выделенное красным цветом - лишнее.

Поэтому я кладу книгу так, чтобы она упиралась в ближний ко мне угол сканера. Не ребро, а угол. Т.е. прижимаю книгу к верхнему ближнему ко мне углу.

2. Расположение книги на сканере

 - здесь угол книги не прижат углу, а здесь прижат:

 

В последнем варианте нет ничего лишнего между углом сканера и книгой.

Затем выставляю размеры поля сканирования.

 3. Размеры сканирования

 

и тогда разворот книги в две страницы точно попадает в поле сканирования без излишков, что сильно экономит время.

4. Точная подгонка размеров для сканирования

 

III. Распознавание текста

Проблема со стихами

Если в тексте встречаются стихи, то как правило они не разбиваются корректно на строки.

1. Стихи на странице

Есть два варианта:

1. Сохранять текст с делением на строки при передаче в Word, но как быть тогда с остальным текстом на странице и тем более книге вцелом?

Этой функцией я пользуюсь только в случае передачи в Word списков имен в конце книги или мелких комментариев почти табличного типа.

2. Сохранить текст с делением на строки

Это врядли хороший вариант.

2. Вариант 2:

1) Макетировать страницу так, чтобы стихи были в отдельном текстовом блоке. Как на рисунке.

2) После макетирования отдельным блоком - распознаете страницу. Ничего при этом не произойдет, но :

Не произойдет ничего нового потому, что у вас по умолчанию в опции: 'Распознавание' выбрано 'Авто'. Это хорошо для страницы вцелом, но плохо для стихов.

3. Опция 'Авто' в Распознавании

 

Это 'авто' означает что программа как бы сама пытается понять - что есть что:

Но ей это неудается.

На изображении видно, что текст стиха будет в одну строчку и это например для книг Лотмана - ужасно.

Поэтому используем фишку программы по назначению:

 

После того как распознали всю страницу идем в опцию Распознавания и меняем 'авто' на 'Форматированный пробелами'

4. 'Форматированный пробелами'

После этого вы распознаете блок только со стихами и получаете похожее на правду.

Но при распознании в этом режиме нужно точнее размечать текстовый блок - иначе у вас появятся лишние пробелы.

Из-за того что часто приходится лазать в эту опцию - было бы замечательно, что бы FineReader следующей версии обладал этой опцией на панели или имел МАКРОСЫ для создания подобных опций.

 

IV. Передача файла из FineReader'a в Word

1. Что делать чтобы сохранить нумерацию страниц?

 

Нумерация страниц нужна для нормального цитирования. Поэтому я всегда сохраняю нумерацию страниц и все данные издательств и год выпуска книги.

 

Самый простой способ делать так, если страницы указаны подобным образом, не в комбинации с колонтитулами:

1. Номер страницы входит в текстовый блок

 

В этом случае все будет просто.

 

Но если у нас получается такой анализ макета страницы :

2. Номера страниц, как отдельные текстовые блоки расположенные параллельно

 

3. Номера страниц, как отдельные текстовые блоки расположенные параллельно - крупнее

 

 

 

то при передаче в Word в режиме : 'Полного Форматирования'

4. Сохранять полное форматирование

 

   

 

получится неверное форматирование:

5. Что будет в Word'e если вы сохранили полное форматирование с параллельными номерами страниц в отдельных блоках

 

 

Но если вы передадите в Word страницы в режиме только 'Сохранять начертание и размер шрифта':

 

6. Сохранять начертание и размер шрифта

 

 

 

то страницы окажутся там где нужно. Всеравно нумерация страниц окажется там, где нужно.

 

 

2. Если же страницы комбинируются с колонтитулами, как указано ниже :

1. Номера страниц и колонтитулы - 1

 

 

2. Номера страниц и колонтитулы - 2

 

 

 

: то я, как видно, изгаляюсь в макетировании страницы вручную и потом редактирую в текстовом поле, если это нужно, но номер страниц сохраню.

 

Другой вариант:

3. Номера страниц и колонтитулы - 3

 

 

 

можно и так, но тогда я после распознавания хочу лишнее стереть в диалоговом окне Replace ('Заменить')

4. Заметить в FineReader'e

 

 

 

Выбираю: 'Заменить все' и просто стираю эту надпись.

5. Заметить все в FineReader'e  - стирая искомый текст

 

Рисунок 15. Заметить все в FineReader'e

6. Заметить все в FineReader'e  - заменяя искомый текст

 

 

3. Кое-что из анализа макетирования.

Вы можете открывать одно и тоже изображение FineReader'ом и оно всякий раз будет пониматься программой, как новое.

Иногда попадаются такие листы(две страницы в развороте), когда одна из страниц в книге читается вверх, другая, как все нормальные, вправо.

1. Разнобой в развороте

Можно конечно просто перед сканированием задать режим делить лист пополам - т.е. поставить галочку 'Делить разворот книги',

2. Делить разворот книги

но сканирующие много - знают - между процессом сканирования и собственно распознанием страниц - проходят иногда месяцы и ты уже не помнишь подробностей сканирования данной книги. Главное чтобы сам процесс сканирования проходил в режиме автоматизма. Не занимал у сканирующего много внимания. Поэтому книгу проще сканировать листами, а не отдельными страницами, т.к. потом быстрее ее макетировать руками.

Но если иногда попадаются именно такие листы, то я хочу сделать простую вещь - из одного листа-страницы пакета - сделать две разные страницы.

Для этого я должен открыть тоже самое изображение страницы из уже отсканированного пакета и стерев ластиком все ненужное в дубликате - присвоить ей следующий номер - за номером искомой страницы.

Например, после стр. 22 открываю этоже изображение из этогоже пакета под номером 0022 (стр. 22 = 0022.tiff)

3. Открыть изображение

4. Номер страницы пакета соответствует номеру изображения tiff в папке пакета

Как только я ее открыл - она ляжет в конец пакета, как новая страница - и в папке пакета она появится как новое изображение с новым номером.

После этого я делаю с ней то, что мне нужно - например, переворачиваю ее, стираю изображение одной из страниц и затем:

с помощью манипуляций с номерами страниц в пакете встраиваю ее следующим номером после той же самой изначальной страницы.

Таким образом, я хочу сказать то, что вы можете открывать одно и тоже изображение FineReader'ом и оно всякий раз будет пониматься программой, как новое.

4. Какое будет разрешение графических файлов передаваемых из FineReader'a в Word?

Т.е. насколько они будут хороши в Word'e?

Когда я стал сканировать книги о музыке в которых есть нотные примеры пришлось узнать вот что:

В разделе FineReader'a 'Форматирование'

1. Форматы

внизу окна

2. Разрешение картинок при передаче в Word

по умолчанию стоит разрешение 150 пикселей - ВОТ ТУТ-то и весь фокус :

Вы можете отсканировать изображение с любым разрешением, но здесь оно будет сведено к минимуму при передаче в Word..

Поэтому измените здесь разрешение на максимальное:

и оно не будет ниже того, с каким вы его отсканировали : выше оно не будет - так же J

Не зная этого нюанса было очень обидно получать плачевный результат.

Я сканировал книгу с высоким разрешением а потом получал невразумительные фото в Word'e.

Вы можете проделать простейший эксперимент.

Отсканируйте фото с разрешением 400-600 из FineReader'а.  После этого распознайте его в FineReader'e и передайте в Word и вы сразу увидите разницу.

IV. Заморочки

TWAIN - Vista Scan

Мой драйвер TWAIN имеет дурное свойство - а именно, терять ориентиры светло-темно, т.е. его нужно порой 'ресетать' в самом менеджере. Тогда вы снова увидите разницу в установках светло-темно.

 

 

Успехов!!

Пишите:

 

Сканирование и форматирование: Янко Слава (библиотека Fort/Da) slavaaa@yandex.ru  || yanko_slava@yahoo.com || http://yanko.lib.ru || Icq# 75088656 || Библиотека: http://yanko.lib.ru/gum.html ||

update 03.09.03