pdfsandwich:
http://www.tobias-elze.de/pdfsandwich/
Ist ein Kommandozeilenprogramm, läuft per Homebrew auch auf dem Mac.
Bei mir läuft es in einer VM auf dem NAS und und macht einmal täglich per cronjob OCR mit allen PDFs, die vom Scanner (Multifunktionsdrucker) in ein bestimmtes Verzeichis geliefert werden, das Datum bildet den Dateinamen.
Folgendes Skript überprüft, ob der Dateiname "ocr" enthält. Wenn nicht, wird die Datei mit pdfsandwich behandelt, dieses hängt dann "ocr" an den Dateinamen der neu erzeugten Datei an. Dateien, die schon "ocr" enthalten, werden ignoriert bzw. nicht neu behandelt und die Orginaldatei nach dem OCR gelöscht.
Code:
#!/bin/bash
dir="/Pfad/zum/Scannerverzeichnis"
for file in ${dir}/*
do
if [ -f $file ] && [ "$file" != *ocr* ]; then
pdfsandwich -gray -nthreads 4 -lang deu -grayfilter "$file"
rm "$file"
fi
done
Überhaupt die Erkenntnis: Bei mir funktionert das papierlose Büro nur dann, wenn der Benutzungsaufwand extrem gering ist - ich will nicht bei jedem Fetzen Papier das reintrudelt jedesmal den Scanner einschalten, ein Programm starten und irgendwo drauf rumklicken. Ich hab' daher auf dem Multifunktionsdrucker mit dem Stapeleinzugs-Scanner eine Direktfunktionstaste damit belegt, die Scans direkt an besagtes Verzeichnis auf dem NAS zu schicken. Der Aktenvernichter steht gleich neben dem Scanner-MuFu...
Ach ja: Mir ist erst vor kurzem aufgefallen, daß die OCR-Dateien auf dem NAS von diesem (Synology) auch indiziert werden können:
https://www.macuser.de/threads/finder-suchfunktion-findet-datei-inhalte-auf-synology-nas.874873/
Damit kann man direkt im Finder (mit der Spotlight-Funktionalität) nach Dokumenteninhalten auf dem NAS suchen...
