Реализация примера по распознаванию документов с использованием OCR и ElasticSearch (ReportsOcrAndSearch)

[AntonIV8]

В рамках итерации необходимо создать тестовый стенд, демонстрирующий распознавание pdf документов по технологии OCR и сохранение их в текстовых файлах и поиск по содержимому документов.

Пользователю будет доступен интерфейс стандартного ember-приложения. Объектом данных будет выступать сущность Report, у которой будет один параметр - файл отчета.
Пользователь может загружать отчеты в формате pdf.
При загрузке файла, происходит его распознавание и сохранение в виде текстового файла. Также при этом происходит загрузка файла в индексную БД ElasticSearch.

В ember-приложении пользователю будет доступна функция поиска по тексту. В результате поиска будет выдан список имен файлов-отчетов, в содержании которого текст был найден.

Схема стенда:

Репозиторий: https://github.com/Flexberry/Flexberry.ReportsOcrAndSearch.Sample
Ветка: main

[kafnevod]

Весь вопрос какие PDF-файлы.

Если созданные в редакторе, то они довольно легко конвертируются различными open-source программами.

Распознавание по технологии OCR неободимо только для PDF-файлов, хранящих сканированные страницы

Мы будем поддерживать ТОЛЬКО второй вариант PDF?

Или оба?

[bratchikov]

Только сканы.