[Sintaxis] leer informacion desde un pdf.

dmosca · 19.04.2021 22:12

Buen dia

tengo facturas de proveedores en archivos pdf, necesito leer información que contienen los pdf.
Ej: datos del emisor, número de orden de compra, importes.
se puede desde Powercobol V9?

muchas gracias.

Joseg · 20.04.2021 09:20

Recomendo:
GitHub - tesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository)

Binários, recomendo a versão 4.1.1
Index of /tesseract

Por command line funciona muito bem com o Powercobol
Command Line Usage | tessdoc

ex:

Código COBOL:

  INVOKE pow-self "Execute" USING "tesseract imagename outputbase"

ver tb:
https://erik.joling.me/2019/03/09/co...ocr-on-ubuntu/

dmosca · 19.04.2021 22:12

Estimados

estuve viendo lo que dice JOSEG, pero es para archivos jpg, aclara que no lee pdf.
estamos trabajando con legajos digitales y todos los archivos estan en pdf, no puedo pasar todo a imagen...
alguna otra opción?

Joseg · 20.04.2021 09:20

Cita del post de dmosca

Estimados

estuve viendo lo que dice JOSEG, pero es para archivos jpg, aclara que no lee pdf.
estamos trabajando con legajos digitales y todos los archivos estan en pdf, no puedo pasar todo a imagen...
alguna otra opción?

Ahh ok,

Se for apenas para extrair texto, há muitas ferramentas gratuitas.
Por exemplo: GitHub - jamalmazrui/PDF2TXT: Batch convert PDF files to text under Windows, using several text extraction methods or OCR

ou procurar no google
"free command line windows pdf to text"

Também existem vários OCX pagos que fazem o mesmo.

Tema	Autor	Foro	Respuestas	Último post
[Información] Creando PDF desde RMCOBOL85	JSVCOBOLERO	RM/COBOL	4	25 de abril de 2020 02:28
[Información] Generar fichero PDF desde cobol	Irene	AcuCobol	6	15 de marzo de 2018 11:24
[Sintaxis] Leer archivos Cobol desde VB6	drvedia1981	PowerCOBOL V3L10 (Win32)	8	30 de enero de 2018 23:53
[Información] Leer puerto RS232 desde PowerCobol v9	Jovimabo	PowerCOBOL (ActiveX, v4 - v11)	13	18 de octubre de 2016 15:00
[Información] Leer y llenar archivos PDF	lfortuny	PowerCOBOL (ActiveX, v4 - v11)	12	24 de abril de 2016 18:36

IDENTIFICATION DIVISION Joseg Forero ENVIRONMENT DIVISION DATA DIVISION abril 2015 Portugal 20.04.2021 09:20 PROCEDURE DIVISION Posts: 206 Enviado: 47 Recibido: 83 Soluiones: 12 Reputación: 15	Recomendo: GitHub - tesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository) Binários, recomendo a versão 4.1.1 Index of /tesseract Por command line funciona muito bem com o Powercobol Command Line Usage \| tessdoc ex: Código COBOL: INVOKE pow-self "Execute" USING "tesseract imagename outputbase" ver tb: https://erik.joling.me/2019/03/09/co...ocr-on-ubuntu/

Usuarios activos actualmente viendo este tema: 1 (0 miembros y 1 visitantes)