BL作家 晶山嵐の日記

【Evernoteの文字認識】


Evernoteの文字認識を検証してみた


Evernoteのプレミアだと、画像を読み込んだときに


画像にある活字を文字認識して、検索で出してくれる。



刀剣乱舞のスクショを読み込んで、『短刀』で検索。



Cgj7E8yU8AAvJ7n



矢印の先で、後藤の種別の『短刀』がうっすら黄色くマークされてるの↑わかりますか?





なぜか三日月の『太刀』もマークされて、他の太刀はマークされてませんけどw



『短刀』はマークしてるので、ギリギリセーフ♪





↓『太刀』で検索したら、三日月と後藤の種別だけがマーク。



Cgj7Eo9UUAAZLFH



他は認識してないってことかな?





画像をEvernoteにインポートして一日経ってるので、識字する時間事態は大丈夫だと思うンダケドな。





『明石国行』で検索すると↓ちゃんと明石の名前がマーキングされてます!



Cgj7FQ7UkAA0nFz



ごらんのとおり、ちょっと精度が不明ですが、画像の中の文字を認識して、検索で出してくれます♪



すばらしい♪





これはプレミア以上の機能です。



これで、レシートとか活字の資料とか、スキャンすると読み取ってくれるんですね。



じゃあは、活字から文章が取り出せるの?





Evernoteで画像やPDFをテキスト化したものを抽出できるのか?



『テキストの抽出』自体は↓この方法でできます。



3分LifeHacking:EvernoteでOCR処理したテキストデータを抽出する - ITmedia エンタープライズ




  1. 「ENEXフォーマットファイル(.enex)でエクスポート」

  2. htmlタグを除去。



ためしに、ニュートンのこのページをやってみる↓(キンドルで購入 これの利用方法はまた後日)



20160430_00Create3D1527



↑この活字いり画像を、サイトの通り↓



「ENEXフォーマットファイル(.enex)でエクスポート」して、TeraPadで開いた。



20160430_00Create3D1528



5631行目までが画像ファイル。



その下がテキスト。





htmlタグを除去。



HTMLタグを削除機





除去したテキストが↓これ。



20160430_00Create3D1529



一瞬文字化けかと思ったw





見間違いそうな文字を並べてるらしい。



『大学』が『太学』『犬学』とか似た字でならんでる。





これは画像の文字が小さいからかな?



それでもなんとか、似た字を探してきてるのが凄い。





表紙の大きい字でしてみた。



20160430_00Create3D1530



↓前述の方法で、↑この画像から抜き出したテキスト。



闇 鼠蚊絵覇錯覇絵据錯据鋤煙尚wt費録雄ONwt薄録wt魯録wt聾録沈ON宵TQ録狸TQ録腺TQ録厚ONgraphicsgraphicう graphic 5graphic 3graphic 9graph ICsgraph icうgraph ic 5graphにうgraph ic 3Ci罰1Clロ罰!蚤1蚤!Ciegig資Le見尼署恩属詞影瓢CEge樽華樽GE樽CE樽は蟹華蟹GE腿GE腿華magazine ?ニユ一magazine ?ニユーmagazine ?ニ富ーmagazine ?ニ富一magazine二ユーmagazine二ユ一magazine二富ーmagazine二富一magazine]ニユーmagazine]ニユ一 卜声触鞭査鷺こ鷺益鷺盃鷺ン蹄顎胸ぶトぶ胸就端いま注目のぷいま注目の璃いま注目の埼いま注目の端しきま注目の璃しきま注目のぷしきま注目の埼しきま注目 のぷい李注目の端います主日の最新。御赤。最秦著。最秦赤。最#刑最#蘇最# 『。最# [。最# 『 。最# [ 。血液学血液掌血液馨血灘学血瓶学血浪学盆液学皿液学盆液掌血液の血液傷皿液の面液の皿液傷面液傷」 [Lili肴! [Lili肴」! [ilii不思議と不思議輩不思議ゐ階思誌と不思誌と階思誌輩軍思誌と不思誌輩軍思誌輩階思誌ゐ最先端の最先端母示先端の最先錦の最先載の最先錨の最先載 母最先蒲の示先錦の漁蔵漁液面蔵血蔵面液清ill血液皿蔵清111皿液分析分事音分事昔分朱音分事背分朱昔分朱背分折着事音着事昔



この表紙の文字数にたいして、こんなテキストが書き出されているとは!



というか、大きい小さいでは無いっぽいw





これで、なぜ、検索できるの?



文字化けはしてないよね?



20160430_00Create3D1532検索してみた。



20160430_00Create3D153320160430_00Create3D1535



他の文字も一緒に検索されてる。



決して、『キレイな文章』にしてるわけではないんだね。



『検索にヒットするためのOCR』なんだ?



そうかそうか。





Googleドキュメントで文字認識してみた。



Evernoteでテキスト検証したのと同じ画像を使用。





手順。




  1. グーグルドキュメントにテキストのある画像をアップロード。

  2. 一覧で、画像ファイルを右クリック。

  3. 『 アプリで開く → グーグルドキュメント』を選択。

  4. 時計がまわる。



↓画像ファイルの上に、同名のドキュメントファイルが作成された。



20160430_00Create3D1538



20160430_00Create3D1539



↑赤枠の中が、ちゃんと日本語になってる。



これなら、修正だけですむかな。





でも、Evernoteの、検索のための識字ってのは目のつけどころがクールだね。





これでテキストが抜け出せたら、と思ったけど



そのためのOCRは別に買った方がよさそうだね。






↓これだとかなりキレイにテキストが抜き出せる。



富士通スキャナで文字認識してみた記録。(数年前)



【富士通 ScanSnap S1300i FI-S1300A】識字能力と戦ってみた。 | BL作家 晶山嵐の日記








こちらのリンクから↓アカウント作成されると、



>>Evernoteを無料で使ってみる<<



一カ月分、プレミア料金が無料になります。



是非、画像にあるテキストが検索で出てくる様を実感してください♪



感動しますw



一カ月堪能したあと、プレミアいらない、と思ったら



プレミアから通常に戻してください。




  • 通常、月60メガ

  • プレミア、月10ギガ



プレミアの容量を越えてなければ



データに支障はありません。大丈夫!





エンジョイ! & サンキュー♪



【この記事を書いた日 2016/05/09 19:03 】