Castellano Chinese Deutsch English Français Nederlands

Iznogood <iznogood/at/iznogood-factory.org> L'autore: Coinvolto in GNU/Linux per un certo periodo, ora mi occupo del sistema Debian. Malgrado i miei studi di elettronica, ho maggiormente effettuato lavori di traduzione per la comunitá di GNU/Linux. Tradotto in Italiano da: Lucia Di Gaeta <lucialinux/at/hotmail.co.uk> Contenuto: Introduzione Hardware Software Scrittura Bash Conclusioni Discussioni su quest'articolo

Una catena di strumenti per una transformazione da carta stampata a HTML Premessa: Vi presenteró una catena di strumenti per trasformare la tradizionale carta stampata di una rivista in HTML. Illustreró il processo dalla scansione fino alla riproduzione in HTML. _________________ _________________ _________________

Introduzione

Ho letto che alcune universitá negli Stati Uniti hanno aiutato o permesso a Google di digitalizzare la propria biblioteca sotto forma numerica. Io non sono Google e non possiedo una tale biblioteca, ma ho alcune riviste di elettronica vecchie. La qualitá della carta non é delle migliori: le pagine cominciano a staccarsi e la carta ad ingrigirsi...
Ho quindi deciso di convertire il tutto in forma digitale in quanto, anche se alcuni numeri non sono pubblicati da dieci anni, alcuni articoli sono ancora validi!

Hardware

Per cominciare, ho bisogno di inserire i dati nel mio computer. Uno scanner mi permetterá di farlo. Dopo alcuni controlli di compatibilitá, ne ho comprato uno, uno ScanJet 4300C di seconda mano, ma economico e dopo aver consultato Internet, ho trovato quello di cui avevo bisogno per configurarlo.
Su Debian, come d'abitudine ho installato sane, xsane, gocr e gtk-ocr:

apt-get install sane xsane gocr gtk-ocr

sane-find-scanner

hp
niash

/dev/usb/scanner0
option connect-device

chgrp scanner scanner0

adduser iznogood scanner

append="hdb=ide-scsi ignore hdb"

 lilo

/dev/sdc0    /dvdrom     iso9660    user, noauto     0  0

chgrp cdrom scd0

Software

Per continuare il processo, ho avuto bisogno di qualche software:
sane, xsane, gimp, gocr, gtk-ocr, un editore di testo e di html ed un po' di spazio sul disco rigido.

sane é l'interfaccia dello scanner e xsane é l'interfaccia grafica.
La mia idea é quella di mantenere la massima risoluzione ed ottenere un documento di 50 MB per pagina, salvarlo sul disco rigido per lavorarci ed una volta fatto, salvarlo su un DVD-ROM.
Ho aggiustato la risoluzione a 600 dpi, un po'piú di brillantezza ed ho cominciato la conversione. Siccome ho usato un vecchio computer (un PII 350 MHz), ci é voluto un po' di tempo, ma ho ottenuto un'immagine ottima e precisa. L'ho salvata in formato png.
Perché una tale risoluzione ed un documento di 50 MB? Ho voluto mantenere la risoluzione massima per l'archivio e per ulteriori processi numerici.
Con Gimp ho tagliato la pagina separando le immagini grafiche da quelle scansite come testo.
Ho salvato i grafici in png con dimensioni ridotte per adattarli ad una pagina html ed il testo e le immagini non sono state ridotte, ma modificate su una scala di grigi (Tools, Color Tools, Threshold e Ok) ed ho salvato con un'estensione .pcx per procedere con il software per il riconoscimento ottico.

 cat *.txt > test.txt

Scrittura Bash

Mi ricordo sempre di un mio professore di matematica di quando ero piú giovane, che mi disse:

"Per essere pigro, hai bisogno di essere intelligente".

Va bene, ho quindi cominciato ad essere pigro !!!! ;-)

Ci sono alcune parti manuali che non sono facili da automatizzare (creazione di una categoria, scansione, tagli con gimp e creazione di documenti). Il resto puó essere automatizzato.
C'é un saggio in inglese riguardo la scrittura Bash, ABS (Advanced Bash Scripting Guide), ed io ho trovato una traduzione in francese.
Si puó trovare la versione in inglese su www.tldp.org.
Questa guida mi ha permesso di scrivere alcuni piccoli programmi. Eccone la trascrizione:

#!/bin/bash

REPERTOIRE=$(pwd)
cd $REPERTOIRE
mkdir ../ima
mv *.png ../ima/
for i in `ls *`
do
 gocr -f UTF8 -i $i -o $i.txt
done
cd ..
mv ima/ $REPERTOIRE
cd $REPERTOIRE
cat *.txt | sed -e 's/_//g'  -e 's/(PICTURE)//g' -e 's/ì/i/g' \
-e 's/í/i/g' -e 's/F/r/g' -e 's/î/i/g' > test.txt

ocr-rp

Conclusioni

• Lo scanner é un HP ScanJet 4300C
  sane, www.sane-project.org
  xsane, www.xsane.org
  
• gimp, www.gimp.org
  
• gocr, gtk-ocr jocr.sourceforge.net
  
• ABS www.tldp.org
  
• DVD Burner: NEC 3520
  
• k3b www.k3b.org
  

Discussioni su quest'articolo

2006-07-05, generated by lfparser version 2.54