Dieses Script dient dazu, das Tool „ocrmypdf“ unter Ubuntu automatisch einzurichten und ein Nautilus-Skript zu erstellen, mit dem sich PDF-Dokumente schnell und einfach durchsuchbar machen lassen. Dabei wird zunächst überprüft, ob „ocrmypdf“ bereits installiert ist; falls nicht, wird es zusammen mit dem deutschen Tesseract-Sprachpaket (tesseract-ocr-deu) über die Paketverwaltung installiert. Anschließend wird im Ordner „~/.local/share/nautilus/scripts“ ein Skript erzeugt, das im Rechtsklick-Menü von Nautilus auftaucht, sobald man eine PDF-Datei ausgewählt hat. Wird es ausgeführt, wandelt „ocrmypdf“ die ausgewählte PDF mithilfe der deutschen Texterkennung (-l deu) durchsuchbar um und richtet dabei schief eingescannte Seiten automatisch aus (-d). Nach Abschluss der OCR kann man wählen, ob die ursprüngliche Datei überschrieben oder eine neue Datei mit dem Zusatz „_ocr“ angelegt werden soll. Damit vereinfacht das Skript den täglichen Umgang mit gescannten Dokumenten, da sie bequem per Mausklick durchsuchbar gemacht werden können.
#!/usr/bin/env bash
# Dieses Skript installiert falls nötig ocrmypdf, prüft ob das deutsche Sprachpaket
# für Tesseract vorhanden ist und legt das Nautilus-Skripte-Verzeichnis an.
# Anschließend erstellt es ein Skript, das über das Nautilus-Kontextmenü aufgerufen
# werden kann, um PDFs mittels OCR durchsuchbar zu machen.
# 1. Prüfung auf ocrmypdf
if ! command -v ocrmypdf &> /dev/null
then
echo "ocrmypdf ist nicht installiert. Installation wird durchgeführt..."
sudo apt-get update && sudo apt-get install -y ocrmypdf
if [ $? -ne 0 ]; then
echo "Die Installation von ocrmypdf ist fehlgeschlagen."
exit 1
fi
else
echo "ocrmypdf ist bereits installiert."
fi
# 2. Prüfung, ob die deutsche Sprache (deu) für Tesseract installiert ist
# Das zugehörige Paket heißt in Ubuntu: tesseract-ocr-deu
# Man könnte alternativ auch prüfen, ob 'deu.traineddata' in tessdata vorhanden ist.
if ! dpkg -s tesseract-ocr-deu &>/dev/null
then
echo "Das deutsche Tesseract-Sprachpaket (tesseract-ocr-deu) ist nicht installiert. Installation wird durchgeführt..."
sudo apt-get update && sudo apt-get install -y tesseract-ocr-deu
if [ $? -ne 0 ]; then
echo "Die Installation des deutschen Tesseract-Sprachpakets ist fehlgeschlagen."
exit 1
fi
else
echo "Das deutsche Tesseract-Sprachpaket (tesseract-ocr-deu) ist bereits installiert."
fi
# 3. Nautilus Skripte Verzeichnis erstellen, falls nicht vorhanden
SCRIPT_DIR="$HOME/.local/share/nautilus/scripts"
if [ ! -d "$SCRIPT_DIR" ]; then
echo "Erstelle Nautilus-Skripte-Verzeichnis unter: $SCRIPT_DIR"
mkdir -p "$SCRIPT_DIR"
else
echo "Nautilus-Skripte-Verzeichnis existiert bereits."
fi
# 4. Skriptdatei erstellen
SCRIPT_FILE="$SCRIPT_DIR/PDF_durchsuchbar_machen"
echo "Erstelle Skriptdatei: $SCRIPT_FILE"
cat > "$SCRIPT_FILE" << 'EOF'
#!/usr/bin/env bash
# Dieses Skript macht eine ausgewählte PDF mittels ocrmypdf durchsuchbar.
# Nach erfolgreicher OCR-Umwandlung fragt es, ob die Originaldatei überschrieben
# oder eine neue Datei erstellt werden soll. Bei Erstellung einer neuen Datei
# wird der Zusatz "_ocr" an den Basisnamen angehängt.
inputfile="$1"
tempfile="/tmp/ocr_$$.pdf"
# Ausführen von ocrmypdf mit deutscher Texterkennung (-l deu) und Deskew (-d)
ocrmypdf -l deu -d "$inputfile" "$tempfile"
if [ $? -ne 0 ]; then
# Bei Fehlern temporäre Datei entfernen
rm -f "$tempfile"
zenity --error --text="Die OCR-Umwandlung ist fehlgeschlagen."
exit 1
fi
# Wenn erfolgreich, Nutzer fragen, ob die Datei überschrieben oder eine neue Datei erstellt werden soll
zenity --question \
--text="Die OCR-Umwandlung war erfolgreich.\nMöchten Sie die Originaldatei überschreiben oder eine neue Datei erstellen?" \
--ok-label="Überschreiben" \
--cancel-label="Neue Datei erstellen"
if [ $? -eq 0 ]; then
# Nutzer hat 'Überschreiben' ausgewählt
mv "$tempfile" "$inputfile"
zenity --info --text="Die Originaldatei wurde erfolgreich durchsuchbar gemacht."
else
# Nutzer hat 'Neue Datei erstellen' ausgewählt
basename="$(basename "$inputfile")"
dirname="$(dirname "$inputfile")"
extension="${basename##*.}"
filename_without_ext="${basename%.*}"
# Neuer Dateiname mit _ocr
newfile="${dirname}/${filename_without_ext}_ocr.${extension}"
# Falls es bereits eine Datei mit diesem Namen gibt, hänge eine Zahl an
counter=1
while [ -e "$newfile" ]; do
newfile="${dirname}/${filename_without_ext}_ocr_${counter}.${extension}"
counter=$((counter+1))
done
mv "$tempfile" "$newfile"
zenity --info --text="Eine neue durchsuchbare Datei wurde erstellt:\n\n$newfile"
fi
EOF
# Skript ausführbar machen
chmod +x "$SCRIPT_FILE"
echo "Skript erfolgreich erstellt und ausführbar gemacht."
echo "Die Installation ist abgeschlossen. Bitte starten Sie Nautilus ggf. neu."
echo "Über Rechtsklick auf eine PDF -> Skripte -> 'PDF_durchsuchbar_machen' können Sie das Skript aufrufen."
Moderiert von sebix:
Thema in einen passenden Forenbereich verschoben, da keine Supportfrage erkennbar ist. Bitte beachte die als wichtig markierten Themen („Welche Themen gehören hier her und welche nicht?“) in jedem Forenbereich. Danke.
