DJVUTXT(1) DjVuLibre-3.5 DJVUTXT(1)

djvutxt - استخراج متن پنهان از اسناد DjVu

djvutxt [options] inputdjvufile [outputtxtfile]

برنامهٔ djvutxt لایهٔ متنی پنهان یک سند DjVu با نام inputdjvufile را رمزگشایی کرده و آن را در فایل outputtxtfile یا در خروجی استاندارد چاپ می‌کند. لایهٔ متنی پنهان معمولاً با کمک یک نرم‌افزار تشخیص نوری نویسه‌ها (OCR) تولید می‌شود.

بدون گزینه‌های -detail و -escape، این برنامه صرفاً متن با کدگذاری UTF-8 را خروجی می‌دهد. گزینهٔ -detail باعث خروجی عبارت‌های ساختاریافته (S-expressions) توصیف‌کنندهٔ متن و موقعیت مکانی آن می‌شود. گزینهٔ -escape از توالی‌های گریز به سبک زبان C برای نمایش نویسه‌های غیرقابل‌چاپ غیر ASCII استفاده می‌کند.

مشخص می‌کند کدام صفحات باید پردازش شوند. هنگامی که این گزینه مشخص نشود، متن تمام صفحات سند به یکدیگر پیوسته و در فایل خروجی نوشته می‌شود. مشخصات صفحهٔ pagespec شامل یک یا چند بازه از صفحات است که با کاما از یکدیگر جدا شده‌اند. بازهٔ صفحه یا یک شماره صفحهٔ تنها است، یا دو شماره صفحه که با خط تیره از هم جدا شده‌اند. برای نمونه، مشخصهٔ 1-10 صفحات ۱ تا ۱۰ را خروجی می‌دهد، و مشخصهٔ 1,3,99999-4 صفحات ۱ و ۳ و به دنبال آن تمام صفحات سند را به ترتیب معکوس تا صفحهٔ ۴ در خروجی می‌آورد.
این گزینه باعث می‌شود djvutxt عبارت‌های S-expression را خروجی دهد که موقعیت متن در صفحه را تعیین می‌کنند. صفحهٔ راهنمای djvused(1) را برای شرح قالب خروجی ببینید. آرگومان keyword حداکثر سطح جزئیاتی را که موقعیت مکانی متن برای آن گزارش می‌شود، مشخص می‌کند. مقدارهای شناخته‌شده عبارتند از: page، column، region، para، line، word و char. تمام مقدارهای دیگر به عنوان char تفسیر می‌شوند.
توالی‌های گریز را به شکل  "ooo" برای تمام نویسه‌های غیر ASCII یا غیرقابل‌چاپ UTF-8 و همچنین نویسهٔ بک‌اسلش خروجی می‌دهد.

برای کنترل بیشتر روی لایهٔ متنی، از برنامهٔ djvused(1) استفاده کنید.

این برنامه در ابتدا توسط Andrei Erofeev <andrew_erofeev@yahoo.com> نوشته شد و سپس به دست Bill Riemers <docbill@sourceforge.net> و افراد بسیار دیگری بهبود یافت. سپس توسط Leon Bottou <leonb@sourceforge.net> بازنویسی شد تا از ddjvuapi استفاده کند.

djvu(1), djvused(1)

10/11/2001 DjVuLibre-3.5