Ligne de commande exploiter fichiers océrisé

Version imprimable

16/07/2009, 11h31
pimix

Ligne de commande exploiter fichiers océrisé

Bonjour tout le monde,

Voici mon problème :

Je dois récupérer un champ sur des fichiers TIFF.
Pour faire simple j'ai un lot de fichiers, je souhaiterai par un batch faire un OCR sur chaque fichier pour extraire le numéro de référence présent sur la page de garde de chaque fichier Tiff (mutlti page). puis l'insérer dans un fichier .txt ou .xml par exemple

La page de garde est composée :
DOSSIER
AAA001 (la référence à récupérer)
Le reste n'est pas utile dans ce cas là.

Grace à Microsoft Office Document Imaging j'arrive par une ligne de commande à océriser le fichier.

Maintenant je souhaiterai par une nouvelle ligne de commande exploiter ce fichier.

J'arrive à récupérer le champ DOSSIER (Find "DOSSIER" "monfichier.tif"), donc l'OCR a bien fonctionné.

Est que quelqu'un à une idée pour récupérer ma réference (une boucle FOR par exemple ?)

Merci d'avance
16/07/2009, 12h21
Mac LAK

A priori, il te faudrait utiliser un FIND pour trouver le bon numéro de ligne dans le fichier, puis utiliser un "for" avec un skip adéquat.

Tu auras quelques exemples sur ce topic par exemple, ça t'aidera à voir à peu près ce qu'il te faut (et ce qu'il te manque).

N'hésites pas à reposter si jamais c'est pas clair pour toi.
16/07/2009, 14h43
pimix

Bonjour et merci pour ta réactivité.

Donc je dois récupérer le numéro de ligne par la commande : FIND /n "DOSSIER" "monfichier.tif"
Il me renvoie [28]DOSSIER

Il me faut donc récupérer cette variable et commencer ma boucle FOR par rapport à elle?

for /f "delims=:" %a in ('monfichier.tif') do "j'écris le résultat dans le fichier .txt

Plutôt un truc dans le genre :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
setlocal
for /f "tokens=1* delims=: " %%I in ('findstr /n "DOSSIER" monfichier.tif') do (
	REM %%I contient le numéro de ligne.
	set ARGS="tokens=1 skip=%%I"
	REM On récupère le numéro de dossier.
	for /f %ARGS% %%E in (monfichier.tif) do (
		echo %%E > NUM_DOSSIER.TXT
		REM Pas besoin de continuer, on casse les deux boucles.
		goto :breakloop
	)
:breakloop
REM Le fichier NUM_DOSSIER.TXT devrait contenir ce qu'il faut.

Il vaut mieux utiliser "findstr" aussi, plus simple à séparer par "for" que la commande "find".

16/07/2009, 19h01
pimix

Merci pour ce code...

Je l'ai donc testé dans un .BAT et il ne fait rien je n'ai rien d'affiché...

J'ai même mis en echo juste après l'ouverture de la boucle et il ne renvoie rien du tout...

J'ai testé la boucle for directement avec un echo %I et il me renvoie bien la bonne ligne ...
16/07/2009, 21h44
Mac LAK

Il reste peut-être trop de données binaires pour un traitement de cette manière...

Peux-tu, si ce n'est pas confidentiel, mettre en attache sur le sujet le fichier TIFF en question ?

Ou un "vrai-faux" fichier TIFF (après OCR bien sûr) ne contenant aucune donnée sensible ?
17/07/2009, 12h32
pimix

Bonjour,

Oui il y a en fait énormément de caractères inconnus.

Voici un exemple de fichier (ne site ne gère pas les .tif) : http://dl.free.fr/getfile.pl?file=/oXByVMIA

Si on fait un find directement sur le numéro de dossier il le trouve bien, maintenant il reste à le retrouver automatiquement.

J'ai fait un FINDSTR dessus, il me sort plusieurs pages de caractères inconnus...

J'ai tenté une page en PHP, mais juste l'affichage de ce fichier à fait planter mon ordi...