I was recently given a product key for Able2Extract 12, a PDF converter & editor. Previously, I’ve always done these sorts of tasks using various command-line tools. As extracting text from PDFs, or editing them in any way, is not a task I do too frequently, I cannot promise that I’ve tested everything the software has to offer. That being said, here are my experiences and thoughts. Compatibility While the software offers packages for only Ubuntu and Fedora, I was able to create a PKGBUILD that correctly installed and runs the Ubuntu .deb file under ArchLinux. I did, however, run into an issue in Ubuntu 16.04, Ubuntu 17.10, and ArchLinux. Specifically, the application would crash with an error about the QT Fonts location. After contacting the company, we were able to resolve the issue. Apparently, the application requires the variable $QT_QPA_FONTDIR to be set to the root path. Instead of defining this system-wide in /etc/environment or in my user’s .bashrc, I instead created a bash script that sets the variable and runs Able2Extract. The script is: #!/bin/bash export QT_QPA_FONTDIR=/ /opt/investintech/a2ep/bin/Able2ExtractPro
On m'a récemment donné une clé de produit pour Able2Extract 12, un convertisseur et éditeur de PDF. Auparavant j'avais toujours fait ce genre de tâche avec divers outils en ligne de commande. Puisque l'extraction de textes des PDF, ou leur édition d'une quelconque façon, est quelque chose que je ne fais pas souvent, je ne peux pas promettre d'avoir testé tout ce que le logiciel propose. Cela étant dit, voici mes expériences et mes réflexions.
Compatibilité
Bien que le logiciel ne propose des paquets que pour Ubuntu et Fedora, j'ai réussi à créer un PKGBUILD qui a installé et lance correctement le fichier .deb Ubuntu sous ArchLinux.
J'ai néanmoins rencontré un problème dans Ubuntu 16.04, Ubuntu 17.10 et ArchLinux. Plus précisément, l'application se plantait avec une erreur concernant l'emplacement des QT Fonts (polices QT). Après avoir contacté la société, on a pu résoudre le problème. Apparemment, l'application nécessite que le réglage de la variable $QT_QPA_FONTDIR soit paramétré vers chemin root. Au lieu de définir ceci sur tout le système dans /etc/environment ou dans le .bashrc de mon utilisateur, j'ai créé un script bash qui règle la variable et lance Able2Extract. Voici le script :
#!/bin/bash
export QT_QPA_FONTDIR=/
/opt/investintech/a2ep/bin/Able2ExtractPro
I went this route because the Able2Extract package does not seem to add the bin to your $PATH variable, meaning it can be run only from the folder, or the .desktop file. After dropping the script into a folder on my PATH, I am able to run it as normal. This has the added benefit of not interfering with any other applications, should they want the same variable. Application Interface The layout of the application itself is very familiar (after having used software such as Adobe Acrobat), and it offers some helpful (non-intrusive) tips when starting it for the first time.
J'ai choisi cette voie parce que le paquet Able2Extract ne semble pas ajouter bin à votre variable $PATH, ce qui signifie qu'il ne peut être lancé que du dossier ou par le fichier .desktop. Après avoir déplacé le script dans un dossier sur mon PATH, je pouvais le lancer normalement. L'avantage supplémentaire est que cela n'interfère pas avec d'autres applications dans le cas où elles voudraient la même variable.
Interface de l'application
La disposition de l'application elle-même est très familière (après avoir utilisé un logiciel tel qu'Adobe Acrobat) et elle propose quelques conseils utiles (et discrets) quand vous la démarrez la première fois.
Features The application allows you to create, edit and convert PDF files. Part of the conversion process utilizes OCR technology in order to convert PDFs to editable files such as documents (.odt), or presentation slides. It also offers the ability to create spreadsheets, CSV, HTML, images, and AutoCAD files. I tested the Word, Excel, and HTML modes on a few recipe scans I have. Some of these files were taken via smartphone camera, and others were scanned on an actual flatbed scanner. The OCR system worked well for most of the files I tried, although one particularly badly photographed image had a few gaps where light reflections obscured the text. That being said, I could have filled in the blanks using logic, or adjusting the contrast of the image to make it more legible for myself. I was most impressed by the HTML results, as it actually added plenty of styling to the text to make it look clean and legible. If you were planning on turning PDFs into unstyled HTML files to add to a website, you should have a plan in place to strip out the inline styles. I did not see any options for the HTML converter.
Fonctionnalités
L'application vous donne la possibilité de créer, éditer et convertir des fichiers PDF. Une partie du processus de conversion utilise la technologie de reconnaissance de caractères pour pouvoir convertir des PDF et fichiers prêts à l'édition, notamment des documents (.odt) ou des diapositives de présentation. En l'utilisant, vous pouvez également créer des feuilles de calcul, CSV, HTML, images et fichiers AutoCAD.
J'ai testé les modes Word, Excel et HTML sur quelques scans de recettes de cuisine. Certains de ces fichiers avaient été créés avec la caméra d'un smartphone ; d'autres furent scannés sur un véritable scanner à plat. Le système de reconnaissance de caractères a bien fonctionné sur la plupart des fichiers que j'ai essayés, bien qu'une image, de très mauvaise qualité, ait eu quelques lacunes ou des reflets de lumière ont obscurci le texte. Cela étant dit, j'aurais pu combler ces espaces de façon logique ou ajuster le contraste de l'image pour la rendre plus lisible. Les résultats sur HTML m'ont le plus impressionné, car le logiciel a en fait ajouté au texte pas mal d'éléments de style, pour le rendre propre et lisible. Si vous envisagez de transformer des PDF en fichiers HTML sans style pour les ajouter à un site Web, vous devrez prévoir comment enlever les styles en ligne. Je n'ai vu aucune option pour le convertisseur HTML.
The conversion options offered do allow you to handle things such as missing or unrecognized glyphs, or to set the file format for Word and Powerpoint conversions (on my system, it defaulted to OpenOffice). You can also do some document styling such as margins. The creation tool selects an image file and turns it into a PDF - I did not see an option to select text documents or word documents (though you could create PDF files using a PDF printer or something like LaTeX). The editing tools include things like adding stamps, highlights, text, comments, etc. They also include things like redacting sections of files, deleting PDF pages, extracting specific pages, and adjusting text styles. The text style adjustment appears to work only on some PDFs - in my tests these options were grayed out. They probably work only on PDFs that were created from a text document, as opposed to image-based scans.
Les options de conversion proposées vous permettent de gérer des trucs tels que des glyphes manquants ou non reconnus, ou de régler le format de fichier pour des conversions Word et Powerpoint (sur mon système, il est revenu par défaut a OpenOffice). Vous pouvez également appliquer quelques styles à votre document, notamment des marges.
L'outil de création choisit un fichier image et le transforme en PDF - je n'ai pas vu d'option pour sélectionner des documents texte ou Word (bien qu'il soit possible de créer des fichiers PDF avec une imprimante PDF ou quelque chose comme LaTeX). Les outils d'édition comprennent des choses comme l'ajout de tampons, de surlignage, du texte, des commentaires, etc. Ils comportent aussi des choses comme retrancher des sections de fichiers, supprimer des pages du PDF, extraire des pages précises et ajuster les styles du texte. L'ajustement de style du texte semble ne fonctionner que sur certains PDF - lors de mes tests, ces options étaient grisées. Elles ne fonctionnent sans doute que sur des PDF créés à partir d'un document texte au lieu de scans d'images.
Results As noted in the previous section, almost every attempt I made yielded a complete copy of the PDF. In some cases (low contrast, poorly lit, etc), there were some gaps in the resulting file. These could relatively easily be corrected or filled out (especially if you have access to the original document). The worst result came from a recipe that was in 3 columns - while the OCR system managed to correctly separate the columns (I’ve experienced some that treat 3 columns as 1 line), the character recognition of the actual text was not that impressive. The font in the PDF file was very small, and quite faint, which could have added to the lack of accuracy. The resulting file would have definitely needed proofreading and correcting (though most OCR files should be checked before deeming it finished). Overall, the results I’ve experienced using Able2Extract 12 rivals any other OCR software I’ve ever used, and is much better than other Linux-based alternatives I’ve tried so far. Is it always perfect? No, but in every test I ran, it yielded a file that would have reduced the effort required to copy the file by hand by at least 50-60%. In most cases it would have required only a few small corrections.
Résultats
Comme noté dans la section précédente, presque toutes mes tentatives donnaient une copie entière du PDF. Dans certains cas (peu de contraste, peu de lumière, etc.) le fichier pouvait être troué ici ou là. C'était relativement facile de corriger ou de remplir les trous (surtout si vous pouviez accéder au document original). Le pire résultat venait d'une recette en trois colonnes : alors que le système de reconnaissance de caractères a réussi à séparer les colonnes comme il fallait (j'en ai vu certains qui traitent 3 colonnes comme une seule ligne), la reconnaissance des caractères du texte lui-même n'était pas très impressionnante. La police du fichier PDF était très petite et très légère, presque illisible, ce qui aurait pu ajouter au manque d'exactitude. Le fichier résultant aurait vraiment eu besoin d'une bonne relecture et de quelques corrections (en fait, la plupart des fichiers de reconnaissance de caractères doivent être vérifiés avant de pouvoir dire qu'ils sont terminés).
Globalement, les résultats que j'ai constatés avec Able2Extract 12 font concurrence à tous les autres logiciels de reconnaissance de caractères dont je me suis déjà servi ; par ailleurs, c'est bien meilleur que d'autres alternatives basées sur Linux que j'ai essayées jusqu'à présent. Est-il toujours parfait ? Non, mais lors de chaque test, il a rendu un fichier qui aurait réduit d'au moins 50 à 60 % l'effort nécessaire pour le copier à la main. Dans la plupart des cas, seules quelques petites corrections auraient été nécessaires.
Conclusion If you do a lot of PDF work (splitting documents, OCR scans, etc), and don’t have an application for Linux to do this in, I would highly recommend giving Able2Extract a shot. Even if you have an application you use, you may not be happy with the OCR results - and then I would recommend you try Able2Extract as well. It’s almost a perfect score - if the package worked out of the box, and if there were extra options for HTML conversions, I’d be happy to give it a 5.
Conclusion
Si vous travaillez beaucoup avec des PDF (segmenter des documents, faire de la reconnaissance de caractères, etc.) et n'avez pas d'application Linux ad hoc, je recommanderais vivement d'essayer Able2Extract. Même si vous avez l'habitude d'utiliser une application, il se peut que les résultats de reconnaissance des caractères ne vous conviennent pas ; dans ce cas, à nouveau, je recommanderais l'essai d'Able2Extract.
La note que je lui attribue est presque parfaite : si le paquet fonctionnait dès l'installation et s'il y avait des options supplémentaires pour les conversions HTML, je serais ravi de lui accorder un 5/5.