Connexion

Besoin d'aide ? Une question ? Un avis ? Rejoignez nous sur notre salon #MLO:matrix.org pour clavarder
Mageia 10 est la dernière stable publiée par sa communauté
MLO ouvre son dépôt pour compléter votre logithèque (Firefox Release, Elograf, Darktable...)

Bureautique

OCRFeeder, reconnaissance de caractères

Cet article a été mis à jour, vous consultez ici une archive de cet article!
Dernière mise à jour : 14/10/2026 à 23h37
Table des matières
  1. Présentation
  2. Installation
  3. Utilisation
    1. Documentation
    2. Un exemple
    3. En ligne de commandes
  4. Tesseract, en ligne de commandes
  5. Sitographie
En cours de rédaction

Icone OCRFeeder


Présentation



OCRFeeder est un logiciel de reconnaissance optique de caractères, un ROC ou OCR en anglais. C'est à dire qu'il est capable de lire, ou plutôt d'extraire le texte d'une image, photo ou dessin. Il peut détecter et reproduire la mise en page des documents. Il dispose aussi d'un correcteur d'orthographe.

En fait, OCRFeeder est une interface graphique, codée en Python et GTK+. Il s'emploie avec CuneiForm, GOCR, Ocrad ou Tesseract qui sont les véritables ROC. #URLs#

OCRFeeder peut obtenir directement une image par votre scanner via SANE, et ensuite en extraire du texte.
# IMG scanner

OCFeeder prend en charge tous les formats d'image courants : PNG, JPEG, WEBP, TIFF, BMP, etc.
EPS, HEIC ne semblent pas pris en charge.

Il propose plusieurs formats de fichiers de sortie, HTML, ODT, TXT, PDF or SPDF, où le le format ODT est le format par défaut.

À l'origine OCRFeeder était un mémoire de master.

Installation



Vous l'installerez
  • soit via le Centre de Contrôle de Mageia (CCM)
  • soit en mode texte avec la commande
    Code BASH : 
    urpmi ocrfeeder


Les ROCs CuneiForm, GOCR, Ocrad et Tesseract sont disponibles sous Mageia.

Il est nécessaire d’installer un ROC, et les langues qu'il doit reconnaître.
Normalement, Tesseract est installé par défaut : il est présent dans les dépendances :

Code TEXT : 
urpmq -d ocrfeeder
...
tesseract
tesseract-eng
...


Si ce n'est pas le cas, l'installation du paquet tesseract pourra se faire :

  • soit par le CCM,
  • soit par 
    urpmi tesseract
    .


Seule la langue anglaise est installée par défaut. Pour reconnaître un texte écrit en français, c'est le paquet 
tesseract-fra
qu'il faudra installer.

Les paquets de langues de Tesseract sont nommés sous la forme 
tesseract-xyz
où xyz représente la langue.
Code BASH : 
urpmq tesseract
vous en dévoilera la longue liste.

Tesseract est aussi disponible en paquet Flatpak installable via Discover.

Utilisation


Documentation






Un exemple







En ligne de commandes


OCFeeder peut également être utilisé sur la ligne de commandes, c'est à dire sans interface graphique. De plus, il peut également être intégré à d'autres applications.
Avec 
ocrfeeder-cli
et d'après le man au minimum :
  • le chemin d'accès aux fichiers à analyser, avec le paramètre 
    --images
    ,
  • et le nom du document à créer avec l'option 
    -o
    .

Pourtant
Code TEXT : 
$ ocrfeeder-cli --images ./imageAvecTexte.png -o ./sortieTexte
Usage: ocrfeeder-cli -i IMAGE1 [-i IMAGE2, ...] -o FILE
ocrfeeder-cli: error: no such option: --images

Il semble donc qu'à ce jour la page de man comporte une erreur.
Par contre, la commande
Code TEXT : 
ocrfeeder-cli --image ./imageAvecTexte.png -o ./sortieTexte --window-size=100 -e tesseract -l fr

est fonctionnelle. Laisser l'option 
--windows-size
à sa valeur 
auto
provoque des erreurs, et la valeur 100 est choisie au hasard.
Attention, la langue française est représentée cette fois par fr.

Le fichier de sortie est 
sortieTexte.odt
, car ODT est le format de sortie par défaut.
Le choix du format du fichier de sortie se fait avec l'option 
-f
et HTML, ODT, TXT, PDF or SPDF.
Plus d'information avec la commande :
Code BASH : 
ocrfeeder-cli -h



Tesseract, en ligne de commandes


Tesseract n'a pas d'interface graphique, on peut cependant l'utiliser en console. Il peut être utile de lister les langues installées pour la reconnaissance : comme francophone vous devriez après l'installation ci-dessus, vous devriez avoir ceci :
Code TEXT : 
tesseract --list-langs
List of available languages in "/usr/share/tessdata/" (2):
eng
fra

Un exemple d'utilisation :
Code TEXT : 
$ tesseract ./mon-image1.jpg ./sortie -l fra

Le fichier obtenu sera le fichier texte 
sortie.txt
.

Sitographie