{"id":232,"date":"2021-09-03T11:21:00","date_gmt":"2021-09-03T11:21:00","guid":{"rendered":"https:\/\/e-jim.be\/blog\/?p=232"},"modified":"2024-09-04T21:44:41","modified_gmt":"2024-09-04T21:44:41","slug":"ocrisation-automatique-de-pdfs","status":"publish","type":"post","link":"https:\/\/e-jim.be\/blog\/index.php\/2021\/09\/03\/ocrisation-automatique-de-pdfs\/","title":{"rendered":"OCRisation automatique de PDFs"},"content":{"rendered":"\n

(Memo d’une op\u00e9ration faite dans une \u00e9cole en 2021 – Aujourd’hui je d\u00e9ploirais un Stirling PDF<\/a>)<\/p>\n\n\n\n

L’h\u00f4te OCR a pour objectif d’OCRiser automatiquement les documents des profs, pour les \u00e9l\u00e8ves qui ont des besoins sp\u00e9cifiques (liseuses audio, outils pour les dys,…)<\/p>\n\n\n\n

Pour ce faire, un share a \u00e9t\u00e9 cr\u00e9\u00e9 sur le NAS (\\\\<hostname_du_syno>\\scan), avec 3 sous-dossier (EN\/FR\/NL) pour s’adapter aux diff\u00e9rentes langues dans lesquelles les fichiers pourraient \u00eatre r\u00e9dig\u00e9s.<\/p>\n\n\n\n

Dans chacun de ces dossiers, des sous-dossiers EN_COURS et FINI sont cr\u00e9\u00e9s.<\/p>\n\n\n\n

Les scanners sont r\u00e9gl\u00e9s avec des raccourcis pour scanner directement dans les dossiers racines de chaque langue.<\/p>\n\n\n\n

Le share est mont\u00e9 via le Proxmox, qui a un fichier \/etc\/systemd\/system\/scan.mount avec le contenu suivant:<\/p>\n\n\n\n

[Unit]\nDescription=Montage SMB\/CIFS Scan sur syno\nRequires=network-online.target\nAfter=network-online.service\n\n[Mount]\nWhat=\/\/<hostname_du_syno>\/scan\nWhere=\/scan  Options=user=<user-du-share>,pass=<mots-de-passe-du-share>,rw,vers=2.0,uid=100000,gid=100000\nType=cifs[Install]\nWantedBy=multi-user.target\n<\/code><\/pre>\n\n\n\n
Ce m\u00eame montage est ‘mont\u00e9’ (bind\u00e9 en vrai) dans le container LXC via l’option suivante dans \/etc\/pve\/lxc\/103.conf<\/p>\n\n\n\n
mp1: \/scan,mp=scan\n<\/code><\/pre>\n\n\n\n
Ensuite, ocrmypdf (https:\/\/github.com\/jbarlow83\/OCRmyPDF\/<\/a>) a \u00e9t\u00e9 install\u00e9 sur le container via apt install, ainsi que tesseract-ocr-fra tesseract-ocr-nld tesseract-ocr-eng et tesseract-ocr.<\/p>\n\n\n\n
Enfin, un timer systemd a \u00e9t\u00e9 cr\u00e9\u00e9 pour chaque langue afin de v\u00e9rifier r\u00e9guli\u00e8rement l’existence d’un nouveau fichier et d’\u00e9ventuellement lancer son traitement.<\/p>\n\n\n\n
Exemple pour le fran\u00e7ais:<\/p>\n\n\n\n
\/etc\/systemd\/system\/scans.fr.timer<\/strong><\/p>\n\n\n\n
[Unit]Description=OCRise les scans toutes les 30 secondes\n[Timer]\nOnBootSec=60\nOnUnitActiveSec=30\nUnit=scans.fr.service\n\n[Install]\nWantedBy=timers.target\n<\/code><\/pre>\n\n\n\n
\/etc\/systemd\/system\/scans.fr.service<\/strong><\/p>\n\n\n\n
[Unit]\nDescription=OCRise les scans\n[Service]\nType=simple\nExecStart=\/root\/cron-OCR-FR.sh\n[Install]\nWantedBy=multi-user.target\n<\/code><\/pre>\n\n\n\n
\/root\/cron-OCR-FR.sh<\/strong><\/p>\n\n\n\n
#!\/bin\/bash\n#Source: https:\/\/github.com\/fritz-hh\/OCRmyPDF\/issues\/90\n#Je fais vite le move pour \u00e9viter la concurrence avec le job suivant\n\nif [ -f \/scan\/FR\/lock ]\nthen\n\techo \"y'a un lock\"\n\texit\nelse\n\ttouch \/scan\/FR\/lock\nfi\nnbfichiers=$(find \/scan\/FR\/ -maxdepth 1 -name \"*.pdf\" | wc -l)\nif [ $nbfichiers -gt 0 ]\nthen\n\tfor pdf in \/scan\/FR\/*.pdf; do\n\t\techo \"On s'occupe de $pdf\"\n\t\tcp $pdf \/scan\/FR\/EN_COURS\n\t\tnom=$(basename \"$pdf\")\n\t\techo \"Son nom est $pdf\"\n\t\textension=\"_ocr.pdf\"\n\t\techo \"Son  extension est $extension\"\n\t\toutput=\/scan\/FR\/FINI\/\t\t\n\npath=$output$nom$extension\n\t\techo \"Son path est $path\"\n\t\t\/usr\/bin\/ocrmypdf -l fra $pdf $path -v;\n\t\trm $pdf\n\tdone\nfi\nrm \/scan\/FR\/lock\n<\/code><\/pre>\n\n\n\n
Faut pas oublier de enable tous les services et timers (dans Proxmox et dans l’h\u00f4te).movemove<\/p>\n","protected":false},"excerpt":{"rendered":"
(Memo d’une op\u00e9ration faite dans une \u00e9cole en 2021 – Aujourd’hui je d\u00e9ploirais un Stirling PDF) L’h\u00f4te OCR a pour objectif d’OCRiser automatiquement les documents des profs, pour les \u00e9l\u00e8ves qui ont des besoins sp\u00e9cifiques (liseuses audio, outils pour les dys,…) Pour ce faire, un share a \u00e9t\u00e9 cr\u00e9\u00e9 sur le NAS (\\\\<hostname_du_syno>\\scan), avec 3 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-232","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/posts\/232"}],"collection":[{"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/comments?post=232"}],"version-history":[{"count":3,"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/posts\/232\/revisions"}],"predecessor-version":[{"id":246,"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/posts\/232\/revisions\/246"}],"wp:attachment":[{"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/media?parent=232"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/categories?post=232"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e-jim.be\/blog\/index.php\/wp-json\/wp\/v2\/tags?post=232"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}