Rolf wants to implement a tool which scans driving jobs (Fahraufträge) PDFs and creates DB table entries from them.

We spoke about it on 22.11.2024.

• OCR necessary
  • because PDF do not contain text

• free OCR tools
  • PDF24 tools
    • online (not locally)
    • freeware, but not open source
    • license unclear (commercial use allowed?)
  • Tesseract
  • ocrmypdf
    • “Tesseract for PDFs”
    • Windows + Linux
    • use –sidecar option to create a text file from PDF
      • Example:
        • ocrmypdf -l deu –sidecar output.txt –output-type pdf input.pdf output.pdf
    • Misc
      • Useful link for Windows:
        • https://ub-mannheim.github.io/Tesseract_Dokumentation/OCRmyPDF_Windows_und_Linux.html

• extracting text from PDF
  • iText
    • but the PDF file should already contain text
    • see also:
      • https://stackoverflow.com/questions/8821107/pdf-text-extraction-using-itext
  • Aspose.PDF for Java
    • https://products.aspose.com/pdf/de/java/editor/
  • Misc
    • https://edrawmind.wondershare.com/productivity-improvement/7-best-ocr-tools-for-linux.html
    • https://www.baeldung.com/linux/ocr-tools

• OCR notwendig
• Andere Formate als PDF möglich?
• Text nach OCR “zerschnipselt”
• Auswahl mit Firefox noch OK, aber auch nicht 100%
• mit OCR
  • “gefährlich”, da die Fahraufträge verschiedenartig sein können
  • definieren wie der Text zu interpretieren ist
  • definieren was tun, wenn der Text zugeordnet sein kann
  • definieren was passiert, wenn etwas falsch ist

• 200 PDFs
• Power Apps
• mit Flow
• Email
  • 1. Ladeliste PDF ⇒ Auftrag
  • 2. Email
  • 3. 14 Tage später Gutschrift
• Flow
  • langsam
  • Lizenzkosten
• Desktop App
  • File reinziehen