Scannerator
Problématique
- Trop de papiers plus ou moins importants. Pas envie d'établir un nouveau système de tri.
- Un scanner compatible Linux/Sane qui s'ennuie tout seul dans son coin.
Description
L'idée est simple : scanner tout les documents pour les stocker sous forme numérique. Ceci dit, afin de pouvoir joyeusement tous les entasser dans un même dossier tout en pouvant quand même s'y retrouver, il faut extraire les mots-clefs de ces documents. Et pour ça, certains softs libres de reconnaissance semblent maintenant assez avancés (dans le cas présent, Tesseract).
Pour couronner le tout, un système de recherche de document un peu plus adapté
que Google Desktop/beagle/jesaispasquoid'autre. Et paf, on obtient des
Chocapic(r)(tm) Scannerator.
Initialement développé sous la forme d'un simple script shell, je me suis dis que ça ferait un bon exercice à la programmation C++/Qt. Le fait d'avoir une interface graphique permet notamment de passer de pages portrait à paysage dans un même document (ceci dit, y'a toujours un script qui tourne en arrière-plan parce-que je suis une grosse feignasse).
Dépendances
- Sane (outils en ligne de commande)
- Tesseract + le paquet correspondant à votre langue ("fra" si vous lisez ceci)
- Imagemagick (les outils en ligne de commande ; ou alors graphicsmagick-imagemagick-compat)
- QT4: libqt4-dev qmake-qt4
- Une forte geekitude
- Du temps à perdre pour scanner tout les documents que vous avez déjà
Téléchargement, installation et premier lancement
$ svn co https://jflesch.kwain.net/svn/scannerator $ cd scannerator $ ./qmake.sh $ ./scannerator
Ce programme doit toujours avoir dans son répertoire courant de travail le script "scan_and_read.sh". Bien entendu, libre à vous d'adapter ce script si par exemple vous n'aimez pas Tesseract ou si vous êtes coincé avec une application toute pourrie en lieu et place de Sane.
Détails et infos diverses
- Un Document = ensemble de pages ; sur le disque = un répertoire
- Une page = un fichier .jpg et un fichier .txt faisant parti d'un document
- Le nom des documents est choisi par défaut via la date et heure courante. Vous pouvez les changer, mais ça sert à rien
- Le nom des fichiers pour les pages est "paper.[num de page].[extension]". Je vous recommande de ne pas les changer
- License: GPLv3