RSS
Unterstützung

Balabolka Dienstprogramm zur Textextraktion

Das Programm ermöglicht es, Text aus verschiedenen Dateiarten zu extrahieren. Der extrahierte Text kann in einer Datei zusammengefasst oder/und in mehrere Dateien aufgeteilt werden. Die Liste der Aussprache-Korrektur-Regeln von Balabolka kann auf den Text angewandt werden.

Unterstützte Formate für Input-Dateien: AZW, AZW3, CHM, DjVu, DOC, DOCX, EPUB, FB2, HTML, LIT, MHT, MOBI, ODT, PDB, PDF, PRC, RTF, TCR, TXT, WPD.

Das Programm arbeitet von der Befehlszeile aus, ohne Anzeige einer Benutzeroberfläche. Dies ist nützlich, wenn man zum Beispiel die Textverarbeitungs-Optionen in andere Anwendungen integrieren möchte.

Ausführungsreihenfolge der Operationen:

  1. Text von Eingabedatei(en) extrahieren.
  2. Text formatieren: Leerzeichen, Zeilenumbrüche usw. entfernen (wenn Option gewählt).
  3. Dateien in einer Datei zusammenfassen (wenn Option gewählt).
  4. Text splitten (wenn Option gewählt).
  5. Regeln für Aussprache-Korrektur anwenden (wenn Option gewählt).
  6. Ausgabedatei(en) speichern.

Download Balabolka (Dienstprogramm zur Textextraktion)


Größe: KB
 
Version:
 
Lizenzart: Freeware
 
Plattformen:
Befehlszeilen-Anwendung

Die Konsolenanwendung verwaltet verschiedene Befehlszeilen-Parameter, um Text aus Dateien extrahieren zu können. Die Befehlszeilen-Optionen verwenden die Syntax "blb2txt [Optionen ...]", alle Parameter müssen durch ein Leerzeichen getrennt werden. Die Optionen können in beliebiger Reihenfolge in der Befehlszeile aufgeführt werden, solange sie mit ihren zugehörigen Parametern verbunden sind. Verwenden Sie die "blb2txt -?" Befehlszeile, um Hilfe bezüglich Syntax und Parameter der Kommandozeile zu erhalten.


-f Dateiname
Bestimmt den Namen der Eingabedatei oder die Maske für eine Gruppe von Eingabedateien. Die Befehlszeile kann einige Optionen enthalten -f.
-v Ordner
Bestimmt den Namen des Ausgabeordners zum Speichern der Textdateien.
-p Dateiname
Bestimmt das Muster für den Namen der Ausgabedatei (zum Beispiel "Textdokument"). Wenn nicht vorhanden, wird der Name der Eingabedatei verwendet. Verwenden Sie die %FirstLine% Variable, um die erste Textzeile als Name der Ausgabedatei einzufügen.
-i
Liest Text aus STDIN. Wenn diese Option gewählt ist, wird die Option -f ignoriert.
-o
Schreibt Text in STDOUT. Wenn diese Option gewählt ist, werden die Optionen -v und -p ignoriert.
-u
Kombiniert Textdateien in einer Ausgabedatei.
-b
Setzt die Sequenznummer vor den Namen der Ausgabedatei.
-a
Setzt die Sequenznummer hinter den Namen der Ausgabedatei.
-n Zahl
Bestimmt die Start-Sequenznummer für die Ausgabedateien. Die Standardzahl ist 1.
-e Kodierung
Bestimmt die Kodierung der Ausgabedateien ("ansi", "utf8" oder "unicode"). Standard ist "ansi".
-t Zahl
Splittet Text nach Zielgröße für Ausgabedateien (in Kilobytes).
-k Schlüsselwort
Splittet Text vor einem speziellem Schlüsselwort in der Eingabedatei. Diese Option beachtet die Groß- und Kleinschreibung. Die Befehlszeile kann einige Optionen enthalten -k.
-r Schlüsselwort
Splittet Text vor einem Schlüsselwort und entfernt dieses von den Ausgabedateien. Diese Option beachtet die Groß- und Kleinschreibung. Die Befehlszeile kann einige Optionen enthalten -r.
-w
Splittet Text an zwei Leerzeilen in Folge.
-l
Splittet Text vor Zeilen, die nur Großbuchstaben enthalten.
-d Dateiname
Verwendet ein Wörterbuch zur Aussprache-Korrektur (*.REX oder *.DIC). Die Befehlszeile kann einige Optionen enthalten -d.
-if
Uses IFilter interface to extract text. If this fails, the default method will be used by the application.
-pwd Textzeile
Sets the password for the encrypted PDF files.
-? oder -h
Druckt die Liste der verfügbaren Befehlszeilen-Optionen.
--remove-spaces
Entfernt überschüssige Leerzeichen (zwei oder mehr Leerzeichen in Folge, geschützte Leerzeichen).
--remove-hyphens
Entfernt Bindestriche am Ende von Textzeilen.
--remove-linebreaks
Entfernt Zeilenumbrüche innerhalb von Absätzen.
--remove-empty-lines
Entfernt Leerzeilen.
--replace-empty-lines
Ersetzt mehrere Leerzeilen durch eine einzige Leerzeile.
--remove-square-brackets
Entfernt Text in [eckigen Klammern].
--remove-curly-brackets
Entfernt Text in {geschweiften Klammern}.
--remove-angle-brackets
Entfernt Text in <spitzen Klammern>.
--fix-ocr-errors
Behebt OCR-Fehler (nur für Sprachen mit kyrillischen Alphabeten).



Befehlszeilen-Beispiele

blb2txt -f "d:\Docs\book.doc" -v "d:\Text\" -p "Buch"

blb2txt -f "d:\Docs\*.doc" -f "d:\Docs\*.rtf" -v "d:\Text\" -e "utf8" --replace-empty-lines

blb2txt -f "d:\Docs\*.*" -v "d:\Text\" -p "Dokument" -u

blb2txt -f "d:\Docs\1.doc" -v "d:\Text\" -p "Dokument" -a -n 20 -t 100

blb2txt -f "d:\Book\book.fb2" -v "d:\Text\" -p "Buch" -k "KAPITEL" -k "BAND"

blb2txt -f "d:\Book\book.epub" -v "d:\Text\" -p "Buch" -r "###"

blb2txt -i -o --remove-spaces --remove-linebreaks --replace-empty-lines



Konfigurationsdatei

Die Befehlszeilen-Optionen können als Konfigurationsdatei "blb2txt.cfg" im Ordner der Konsolen-Anwendung gespeichert werden.

Beispiel für eine Konfigurationsdatei:

-f d:\Docs\*.rtf
-f d:\Books\*.epub
-f d:\Books\*.fb2
-v d:\Text
-b
-n 1
-t 25
-e utf8
-d d:\rex\rules.rex
-d d:\dic\rules.dic
--remove-spaces
--remove-linebreaks
--replace-empty-lines

Das Programm kann Optionen von der Konfigurationsdatei und der Kommandozeile kombinieren.




Lizenzart

Sie können Software für nichtkommerzielle Zwecke verwenden und vertreiben. Für die kommerzielle Nutzung oder den Vertrieb benötigen Sie die Genehmigung des Urheberrechtsinhabers.