MediaWiki:Gotisk skrift

Optisk tekstgenkendelse (OCR) af fraktur, som er en i 1500-tallet fra Tyskland indført standardiseret form for trykt gotisk skrift, kan gøres med følgende programmer:

Tesseract

Et gratis DOS-baseret program udviklet for længe siden af HP, som hentes her:

Installation

• http://code.google.com/p/tesseract-ocr/downloads/list (installations filer)
  • http://tesseract-ocr.googlecode.com/files/tesseract-ocr-3.02.dan.tar.gz (fraktur øvelsesdata på dansk)
  • http://tesseract-ocr.googlecode.com/files/deu-frak.traineddata.gz (fraktur øvelsesdata på tysk)
  • http://tesseract-ocr.googlecode.com/files/swe-frak.traineddata.gz (fraktur øvelsesdata på svensk)
  • http://tesseract-ocr.googlecode.com/files/tesseract-ocr-setup-3.02.02.exe (Windows-installation af version 3.02)
• http://github.com/tesseract-ocr/tesseract/releases (version 3.04 fås her men skal udpakkes manuelt)

De pakkede gz-filer udpakkes af for eks. 7-zip, så de får navnene dan.traineddata, dan-frak.traineddata, deu-frak.traineddata og swe-frak.traineddata og kopieres til den installerede tessdata-filmappe.

Brug

Programmet startes ved at åbne en kommandopromt og fra en passende filmappe taste en kommando med følgende syntaks:

tesseract.exe imagename outputbase [-l lang] [configfile [[+|-]varfile]...]

Inputfilen (imagename) skal være en i forvejen indscannet fil i (for eksempel) tiff-format.

Recognition Server

Programmet FineReader fra software-firmaet Abbyy er afløst af det online-tilgængelige program Recognition Server 4.0 (680 MB), som udbydes med en gratis testlicens til 50 sider eller en professionel til for eksempel 2500 sider for 149€ eller 10000 sider for 299€.

• http://frakturschrift.com (download af program og licens)
• http://abbyy.com/finereader/ (FineReader 12 til 129€, som ikke mere understøtter fraktur)
• http://h58.dk/Jonge_dk/ (eksempel)