書籍スキャンPDFをScrapboxに置く2019
2019-10-08
書籍スキャンPDFをScrapboxに置く
https://www.facebook.com/toshiyukimasui/posts/10157675595687498
Gyazo Gemがある
masui/Book2Scrapbox: 自炊本をScrapboxで読む工夫
画像にバラした後スクリプトでGyazo Proにアップロード
Gyazo ProはGoogle Cloud PlatformのCLOUD VISION APIを使ってOCRしている
時間がかかるのでしばらく経ってからOCRデータを取得している
https://github.com/masui/Book2Scrapbox の読解
ScanSnapでのスキャン結果をpdfimagesで取り出している
関連 PDFからPNGへの変換
裁断スキャンPDFならそれでOK
スライドのPDFなどはNG
ローカルにMD5ハッシュでフォルダを切って保存している
それをAWSにsyncする
AWS コマンドラインインターフェイス（CLI: AWSサービスを管理する統合ツール）| AWSのインストールが必要
AWS CLI のインストール - AWS Command Line Interface
めっちゃ親切に書いてあるな
AWS CLI の設定 - AWS Command Line Interface
aws s3 sync
手元で削除してもS3上のものは削除されないので安心
AWSへのsyncは実は必須ではない
gyazoにfileの中身を送っているから
https://github.com/nishio/Book2Scrapbox
スライドはpdfimegesで画像化できないのでpdftocairoを使う
$ pdftocairo -r 200 -f 0 -jpeg <pdf> pages
see PDFからPNGへの変換
複数のPDFをまとめて1つのJSONにするようにした
pdfstojson.rbがmakejson.rbを呼び出す
Pythonでやる方法も調べたが、makejson.rbを子プロセスとして使う形で実現できた
JSONができてしばらくしてからGyazoからOCR結果をダウンロードして加筆する
Facebook