Automatische Umbenennung von PDF-Dateien anhand des Inhaltes

[PeachLi]

Hallo Zusammen,

ich scanne alle Dokumente mit meinem Fujitsu Scanner, der die Dateien grob umbenennt, also das Datum aus dem Dokument ausließt oder die Mehrwertsteuer in den Dateinamen schreibt.

Natürlich sind die Ergebnisse nicht optimal, da die Dokumente teilweise sehr unterschiedlich aufgebaut sind und er auch keine Umlaute erkennt.
Nun habe ich den "Automatic PDF Processor" versucht. Hier muss jedoch ein Textfeld für jede PDF festgelegt werden.
Gibt es ein Alternatives Programm, welches einen ganzen Ordner PDF Dateien umbenennt und ggf. die wichtigsten Kategorien automatisch erkennt?
Alternativ wäre es mir auch liebt, wenn er mir nacheinander alle Files anzeigt, um mich zu fragen, welches Objekt bzw. Text er verwenden soll, so dass man den Ordner schnell abarbeiten kann.

Danke schon einmal!

 

[cumulonimbus8]

Gibt es ein Alternatives Programm, welches einen ganzen Ordner PDF Dateien umbenennt und ggf. die wichtigsten Kategorien automatisch erkennt?

Da kein Programm hellsehen kann was du brauchst oder gerade eben jetzt gebraucht wird - nein.

Alternativ wäre es mir auch liebt, wenn er mir nacheinander alle Files anzeigt, um mich zu fragen, welches Objekt bzw. Text er verwenden soll, so dass man den Ordner schnell abarbeiten kann.

Auch das kann nicht wirklich klappen.
Dazu braucht es die Vorschau der PDF (oder m.M.n. ›des Scans‹) in ausreichender Größe um ggf. sogar direkt daraus Daten zu kopieren um dann den Dateinamen zu ändern.


Persönlich… …traue ich OCR so lange ich damit umgehe nicht! Dann noch Dateinamen daraus zu basteln - ich müsste alle diese Namen gegen den Inhalt manuell abgleichen um Unfälle aufzufangen.
Das hieße ich betrachte das Quelldokument, scanne es zu PDF und gebe jede mal - und hier verzweifle ich an aller Scannersoftware! - manuell den Namen ein den meine Augen dem Dokument entnehmen. Automatische Einzüge müssten mich wenn jedes mal fragen, mit dem Scan auf dem Schirm, wie das Kind denn heißen soll und dann das nächste Blatt verarbeiten.

Was tun? Sortieren nach Typ (auf gescheite Namensvorschläge von OCR hoffe ich, wie gesagt, niemals) und en bloc scannen, mit einer SW splitten und dann wie oben manuelle diese Gruppe abarbeiten oder auf OCR hoffen, dass jedes Päckchen brauchbare Namen bekommt.

CN8

 

[pleuel]

Leider gibt es außerhalb von Zugpferd keinerlei Regel für Gestaltung/Inhalte der Pdf Dateien. So gibt es nichts was es nicht gibt, zB eine scheinbar einfach Sache wie das Datum, abgesehen wo es genau steht oben unten r l. YYYY-MM-DD / DD-MM-YYYY / DD-Monat_YYYY / DD-MM-YY usw usw. Insofern kenne ich ausser APP nicht vergleichbares. Leider muß man aber recht viele Profile, je Versender, anlegen damit das was man haben möchte auch zuverlässig erkannt wird. Mit Regex kann man die Erkennung teilweise auch noch verbessern. Da kommt man aber wie ich finde als Nichtprogrammierer an seine Grenzen. Allerdings wenn man diese Hürden genommen hat kann man sich entspannt zurücklehnen. Die Daten werden automatisch so umbenannt wie man es braucht und stehen im vorgebenen Ordner. Die andere Möglichkeit ist Online, es gibt Anbieter die haben vermutlich eine trainierte Ki mit der die meisten Möglichkeiten erkannt werden. Kostet aber pro Pdf.

 

[Scanager]

Die Diagnose hier stimmt. Wechselnde Layouts plus mittelmäßige Zeichenerkennung, da hilft dir keine Regex. Das ist die Grenze von OCR.

Was inzwischen anders läuft: Statt Zeichen zu lesen, erfasst ein Modell das ganze Dokument und seinen Zusammenhang, bei mir Googles Gemini. Damit fallen Vorlagen pro Absender weg, der Dateiname kommt aus dem Inhalt, und der Zielordner fällt gleich mit ab. Passt keiner, wird einer vorgeschlagen.

Für deinen Fall am Einzugsscanner ist meine eigene App trotzdem nichts, die ist fürs Handy gebaut (Scanager, ich bau sie selbst). Wenn du Stapel über den Fujitsu ziehst, führt der Weg weiter über paperless-ngx mit einer KI-Anbindung, das ist für Mengen einfach das bessere Werkzeug.

Falls doch eher der tägliche Kram nervt: Ausprobieren kostet nichts und verlangt kein Konto. Analyse läuft über eine eigene Function in der EU, die weder Bild noch Ergebnis speichert.

https://play.google.com/store/apps/details?id=de.moll.aiscanner

 

[pleuel]

Danke habe sehr aufwendig selbst was gebaut sogar mit einfacher Gui. Ach ja man kann auch eine Variante haben wo nach dem Scannen ein Vorschaufenster erscheint mit editierbaren Feldern habe ich für Zweckfprm Quittungen gemacht sehr praktisch, Eine Mischung aus Scanner PXCtools Python, ISt nciht 100% Fehlerfrei kommt dem aber recht nahe Fehler und Zweifelfälle werden getrennt gespeichert. So wie erhofft Belege in Scanner legen batch starten und zuschauen wie die Seiten gescannt werden Ocr gemacht wird die Dateien werden umbenannt und in vorgegeben Ordner gespeichert und oben drein eine Exceltabelle erezugt, Ja Occr ist ein Thema für sich aber langsam kommt Zugpferd in Fahrt sodas man nur noch die xml auslesen braucht. Bei Paperless nervst die dieses unstrukturiertes Design , ich habe die Sachen lieber vorsortiert nach Thema in Ordnern. Man weiß ja auch nicht immer genau die Bezeichinung wonach man sucht.