Wer unter Linux einen Scanner zur Mitarbeit bewegen konnte, fährt bereits die halbe Miete ein. Aber klappt es mit Texterkennung und dem zusammenfassenden Scannen mehrerer Dateien? Gscan2pdf hilft.
Wer Linux auf dem Desktop verwendet, kann beim Scannen mehrerer Dokumente zu Gscan2pdf greifen: Die Software bietet eine grafische Oberfläche an, die Dokumente in ein einzelnes PDF oder DjVU verwandelt. Das setzt voraus, dass der Drucker/Scanner einen automatischen Dokumenteneinzug besitzt (Automatic Document Feeder, kurz ADF). Diesen wählt der Nutzer dann im Bereich “Document Source” als Dokumentenquelle aus.
Gscan2pdf 2.6.6
Gscan2pdf ist nun in der neuen Version 2.6.6 erschienen, die das Importieren von PDFs mit verschiedenen Auflösungen in die X- und Y-Richtung erlaubt und Übersetzungen aktualisiert. Wer die neue Version unter Ubuntu installieren möchte, greift am besten zum PPA des Projekts, da Ubuntu standardmäßig noch die ältere Version 2.1 ausliefert.
Gscan2pdf 2.6.6 zieht über den ADF mehrere Seiten ein und erzeugt daraus ein PDF. Eine Texterkennung ist auch dabei.
Ein kleineres Manko gibt es allerdings: In diesem Fall fehlt “pdftk”, das PDFs ver- und entschlüsselt. Wer es benötigt, muss es aus den Quellen übersetzen. Es gibt eine Snap-Version der Software, mit dieser kommt Gscan2pdf allerdings offenbar nicht zurecht.
Texterkennung mit Tesseract
Neben dem eigentlichen Bild darf der Anwender auch eine Texterkennung über das Dokument laufen lassen. Dabei hilft im Hintergrund die von Google gesponserte Texterkennung Tesseract. Die muss der Anwender allerdings noch in einer Deutsch sprechenden Variante installieren. Unter Ubuntu 18.04 installiert er dazu das Paket “tesseract-ocr-deu”.
Und sollten die gescannten Seiten auf dem Kopf stehen, funktioniert die Texterkennung nicht: Hier lässt sich in den “Seitenoptionen” von Gscan2pdf einstellen, dass die Software die gescannten Bilder vor dem OCR-Prozess automatisch dreht.
