Differences

This shows you the differences between two versions of the page.

--- driving_jobs_scanner [2024/11/23 10:55] – [Research phase] kalaschnikow
+++ driving_jobs_scanner [2024/12/20 12:03] (current) – [Research phase] kalaschnikow
@@ Line 1: / Line 1: @@
+====== Driving jobs scanner ======
+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.
+===== Research phase =====
+  * 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
+      * [[https://github.com/itext|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
+===== My Notes =====
+  * 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