imported>Stefan Weil: /* Software */ Wikilink aktualisiert

2025-02-18T15:06:27Z

Software: Wikilink aktualisiert

Neue Seite

{{SEITENTITEL:hOCR (Standard)}}
'''hOCR''' ist ein [[offener Standard]], der ein [[Datenformat]] beschreibt, das der Repräsentation von [[Texterkennung]]sergebnissen dient. Mit diesem Format lassen sich zusätzlich zum Text dessen Layout, Erkennungsgenauigkeit, Formatierungen und andere Informationen erfassen. Das Format baut auf [[Extensible Hypertext Markup Language|XHTML]] (oder auch [[Hypertext Markup Language|HTML]]) auf.
[[Metadaten]] werden nach der [[Dublin Core|Dublin-Core]]-Konvention zur Einbettung von Metadaten in HTML in speziellen <meta>-Tags abgespeichert.

== Software ==
Das Format wurde in Googles [[OCRopus]] eingeführt.
Außer von OCRopus kann das Format auch von [[CuneiForm]], von [[hebOCR]] (ehemals ''HOCR''), einer auf hebräische Schrift spezialisierten Texterkennungssoftware, und ab Version 3.0 auch von [[Tesseract (Software)|Tesseract]] direkt erzeugt werden.

Die hocr-tools sind ein Paket von Werkzeugen zur Verarbeitung (Zusammenfügen, Aufteilen, Einfügen von Metadaten) und Analyse von hOCR-Daten.
Mit hocr2pdf<ref>[http://exactcode.de/site/open_source/exactimage/hocr2pdf/ exactcode.de/site/open_source/exactimage/hocr2pdf]</ref> existiert ein [[Kommandozeile]]nwerkzeug zur Erzeugung von maschinell durchsuchbaren Bilder-[[Portable Document Format|PDF]]-Dateien anhand von hOCR-Daten.

== Weblinks ==
* [https://github.com/kba/hocr-spec Spezifikation des Formates]
* [https://github.com/tmbdev/hocr-tools Projektübersicht zu hocr-tools] bei [[GitHub]]

== Einzelnachweise ==
<references />

{{SORTIERUNG:Hocr}}
[[Kategorie:XML-basierte Sprache]]
[[Kategorie:Offenes Format]]
[[Kategorie:Optische Zeichenerkennung]]

HOCR (Standard) - Versionsgeschichte

imported>Stefan Weil: /* Software */ Wikilink aktualisiert