Papierloses Heimbüro mit docker, OCRmyPDF und GNU parallel in PDF/A möglich?

[steje43]

Alles hier proerbiert, läuft auf meiner 918+ nicht.
Es werden keine Dateien in Archiv gelegt. Keine Fehlermeldung o.ä.

Geht bei mir nicht!

 

[novregen]

Gibt es auch eine OCR Lösung auf der Synology die ohne Docker läuft ?

 

[geimist]

Du kannst tesseract auch via IPKG installieren, wirst aber wesentlich geringeren Kompfort als mit OCRmyPDF haben. OCRmyPDF ist nicht nur ein einzelnes Programm, sondern bringt mehrere Programme (u.a. tesseract) durch ein Pythonskript zusammen.

 

[servilianus]

Probiert doch bitte mal ecodms aus. Macht alles was ihr wollt, läuft vollkommen stabil auf der Syno - ohne sich mit irgendwelchen Programmcodes rumschlagen zu müssen. Kann man auch als Testversion zum ausprobieren herunerladen. Ist m.M. nach für ein papierloses Office und Volltextindizierung der Dokumente jeden Cent wert. Gerade weil die Dokumente DSGVO-konform gespeichert bzw. gelöscht werden. Einziger Nachteil ist, dass man Word-Dokumente nicht direkt hochladen kann, sondern sie müssen als pdf vorliegen. Und für die Leute ohne Docker gäbe es ja auch die Möglichkeit, ecodms auf dem Rechner (Windows / Linux) zu installieren und die Dokumente-/Datencontainer auf der Syno abzulegen

 

[geimist]

Gibt es ecoDMS auch ohne Docker?
Laut deren Website:

… ecoDMS unterstützt hierbei jene Gerätetypen, die eine Virtualisierung von Containern via “Docker” erlauben. Nicht alle Modelle der Synology und QNAP Reihe unterstützen Docker. Sollten Sie die aktuellste Version der Synology / QNAP Software installiert haben und Docker nicht vorfinden, gehört das von Ihnen genutzte Modell leider nicht dazu.…

Mir persönlich ist ein DMS nicht zielführend, wenn ich Dokumente nur ge-ocrd haben möchte.

 

[servilianus]

Als Serverversion = Zugriff mit/durch unterschiedliche Clients gibt es ecodms nur im Docker. Oder eben lokal auf dem Rechner installiert, dafür die Dokumentenablage/Dokumentenzugriff zentral auf / von der Syno.

 

[s4rger4s]

Halli Hallo,

sry dass ich den Thread wiederbelebe. Aber ich habe jetzt das Ganze für mich auch eingerichtet und nutze es aber ohne Python-Script, da ich das zugegebenermaßen, nicht voll verstehe, aber gerne wüsste, was ich da so auf meinem NAS laufen habe. Ich bin kein Linuxprofi und habe zunächst viel hin- und her probiert, wie ich regelmäßig einen bestimmten Ordner auf meinem NAS mit ocrmypdf ocr'en kann, ohne Drittpakete installieren zu müssen und - wie gesagt - ohne Pythonscript.

Ich habe eine Lösung gefunden, aber dabei noch ein Problem. Letzteres hat jetzt nicht direkt mit ocrmypdf zu tun hat, deshalb ist das Problem leicht OT, aber es passt durch die Nähe zum Thema doch irgendwie hier rein

Erst mal meine Lösung, vielleicht interessiert das ja jemanden: Ich scanne meine Dokumente und speichere diese direkt in einem extra dafür vorgesehenen Ordner auf meinem NAS. Dann lasse ich einmal am Tag per Aufgabe diesen Ordner OCRen und lasse die Outputdatei(en) in einem Unterordner des Scanordners ablegen. Dafür nutze ich ein einfaches bash-script.

cd /volume1/homes/das/ist/mein/scanordner;
find . -printf '%p' -name '*.pdf' -exec docker run --rm -v /volume1/homes/das/ist/mein/scanordner:/data jbarlow83/ocrmypdf -l deu --remove-background --optimize 1 --skip-text '/data/{}' '/data/ocr/{}' \;

Die erste Anweisung wechselt ins Scanverzeichnis, damit ich mit
der zweiten Anweisung per "find ." in diesem Ordner nach PDF-Dateien suchen kann und die printf-Anweisung "../scan.pdf" findet, welche ich dann an den ocrmypdf-Docker übergebe, damit ocrmypdf dann in den Unterordner ...scanordner/ocr die fertige pdf ablegen kann.

Soweit klappt das super. Mein Problem ist nun, dass ich auf meinem PC (synchronisiert sich mit dem NAS via Synology Drive) gern mit dieser Datei weiterarbeiten würde (den Originalscan mit der bearbeiteten PDF vergleichen, dann naütrlich fein säuberlich ins Archiv legen etc.). Mein Problem ist nun, dass die per output.pdf mir per Drive nicht angezeigt wird. Er findet also die per script angelegt Datei nicht. Wenn ich mit der Filestation oder per SMB aufs NAS schaue, sehe ich die Datei. Im Log der Drive Admin-Konsole sieht man, dass die Datei nicht gefunden wurde. Erst nach einem neuen Indizierungslauf wurde sie dann schlussendlich via Drive bereitgestellt.

Da ich aber nicht jedes mal einen ganzen Indexlauf starten will, bin ich nun auf der Suche nach einer Lösung. Ich habe von synoindex gelesen und hier verschiedene Parameter getestet, z.B.:

sudo synoindex -R /volume1/homes/das/ist/mein/scanordner/ocr/

Leider ohne Erfolg, aber als ich synoindex - versehentlich - über alles gejagt habe (sudo synoindex -R all) konnte ich im LOG der Drive Konsole dann feststellen, dass die Datei hinzugefügt wurde. Kann jmd helfen?

 

[TeXniXo]

Vl. ist es für dich eine Alternative, das Ganze via GUI auf DS zu regeln?

Mehr dazu siehe https://www.synology-forum.de/showthread.html?99647-synOCR-GUI-für-OCRmyPDF&highlight=synocr (vom User hier entwickelt!). Mit dem klappt es alles wunderbar - auch in Kombination mit Drive

 

[s4rger4s]

Ich weiß, ich würde es aber gerne ohne Drittpakete lösen und wissen, was im Hintergrund passiert.

 

[geimist]

… und wissen, was im Hintergrund passiert

Da passiert nichts Geheimes. Hier kannst du reingucken.

 

[Speicherriese]

Das geht doch Heute viel effektiver. Dokumentenscanner, der erzeugt blitzschnell für vorder und Rückseite durchsuchbare PDFs und diese werden sofort automatisch auf der DS abgelegt. Z.B. mit dem ScanSnap IX500


Und bitte vorher diese Flachbettscanner zum Elektroschrott bringen. ( Was ich getan habe. Diese sind nicht für meine Zwecke verwendbar und nicht mehr zeitgemäß. Für mich Müll)

 

[peterhoffmann]

Das geht doch Heute viel effektiver.

Oh, der Scanner kann schon OCR ohne das ein PC an ist?

Diese sind nicht für meine Zwecke verwendbar und nicht mehr zeitgemäß. Für mich Müll)

Warum sollte ich meine Sachen zum Müll bringen, wenn sie für deine Zwecke nicht mehr verwendbar oder gar nicht mehr zeitgemäß sind?

 

[Fusion]

Der ScanSnap iX500 erzeugt durchsuchbare pdf nur zusammen mit dem Desktop Programm von Fujitsu.
Keine Lösung für jeden.

 

[TeXniXo]

Wie schon einige hier geschrieben habe, stimme ich zu. Des Weiteren ist für mich ein peripheres Gerät nicht mehr zeitgemäß, wenn weitere Clients (in dem Fall also PC bzw. Mac) mitlaufen bzw. hochgefahren werden müssen.

Ich für meinen Teil bevorzuge die Scans via Smartphone (für einige Seiten). Das geht mittlerweile auch ziemlich schnell. Für 30+ Seiten oder so nehme ich sie eben mit ins Büro (Scanner, der sogar ein gebundenes Buch scannen kann -> nein, braucht nicht jede/r, daher schreib ich ja nur von meiner Person, nicht für andere wie @peterhoffmann schon korrekt umrissen hat.).

 

[peterhoffmann]

ist für mich ein peripheres Gerät nicht mehr zeitgemäß

Im Grunde wollte ich darauf hinaus. Das Gerät ist super, kann aber kein OCR, wenn der PC aus ist. Um einen Scanvorgang ohne PC und mit OCR umzusetzen, benötigt man halt synOCR, welches auf dem NAS läuft. Der Scanner macht stupide seinen Job (Scan ohne OCR), legt das PDF auf das NAS, synOCR läuft drüber und legt das Dokument passend ab. Selber hat man im Vorbeigehen 5 Sekunden seiner Zeit investiert. Den Rest macht das System. Das nenne ich dann effektives Arbeiten.

Scanner, der sogar ein gebundenes Buch scannen kann

Ein Flachbettscanner hat auch nach über 30 Jahren noch absolut seine Berechtigung wie man an deinem Beispiel sehen kann. Mir fallen da z.B. alle Fälle ein, wo man mehr als 600 dpi benötigt.