Upload New File

convertPDF

@@ -0,0 +1,122 @@
+#!/bin/bash
+
+###############################################################################
+#
+# Script to recursively search a directory and batch convert all files of a given file type into another file 
+# type via HandBrake conversion.
+#
+# To run in your environment set the variables: hbcli - Path to your HandBrakeCLI
+#
+#   source_dir - Starting directory for recursive search
+#
+#   input_file_type - Input file type to search for
+#
+#   output_file_type - Output file type to convert into
+#
+#
+# Change log: 2012-01-08: Initial release.  Tested on Mac OS X Lion.
+#
+###############################################################################
+clear
+
+fichierLog=convertPDF.log
+
+echo -e "\n"
+echo -e "==> Préparation de l'environnement...\n" | tee $fichierLog
+
+date_en_cours=$(date +"%Y%m%d%H%M%S")
+source_dir=$(pwd)
+input_file_type=pdf
+output_file_type="new.pdf"
+declare -a mesFichiers
+
+
+# Construction d'un tableau des noms de fichiers
+i=0
+
+
+find "$source_dir" -type f -iname "*.$input_file_type" > fichiersATraiter.lst
+
+
+while read -e aLine
+do
+    echo "[NFO] $aLine">>$fichierLog
+    if [ ${#aLine} -ge 2 ]; then
+		echo " a traiter.">>$fichierLog
+		mesFichiers[$i]=$aLine
+		i=$(($i+1))
+	fi
+done < fichiersATraiter.lst
+
+
+echo -e "\n"
+echo -e "==> Traitement des PDF en cours...\n" | tee -a $fichierLog
+
+
+# Parcours du tableau
+nb_element=${#mesFichiers[*]}
+echo -e "[NFO] Nombre de fichiers : $nb_element\n" | tee -a $fichierLog
+
+for in_file in "${mesFichiers[@]}"
+do # Liste tous les éléments du tableau.
+    echo -e " [NFO] Nom du fichier : \"$in_file\"\n" | tee -a  $fichierLog
+
+	if [ ${#in_file} -ge 2 ]; then
+
+		echo -e "________________________________________________________________________________\n" | tee -a $fichierLog
+		echo -e " [NFO] Input \"$in_file\"\n" | tee -a $fichierLog
+
+		# Replace the file type
+		out_file=$(echo "$in_file"|sed "s/\(.*\.\)$input_file_type/\1$output_file_type/g")
+		out_file_txt=$(echo "$in_file"|sed "s/\(.*\.\)$input_file_type/\1txt/g")
+
+		echo -e " [NFO] Output \"$out_file\"\n" | tee -a $fichierLog
+
+		if [ "$in_file" != "$out_file" ]; then
+
+            echo -e " [NFO] Conversion (1re méthode) du PDF avec pdftocairo et convert \n" | tee -a $fichierLog
+			# explode to jpeg
+	        echo -e " [NFO] PDFTOCAIRO : Création des fichiers JPG \"$in_file\"\n" | tee -a $fichierLog
+	        pdftocairo "$in_file" -jpeg | tee -a $fichierLog
+
+            echo "" | echo -e " [NFO] PDFTOTEXT : Extraction du texte dans \"$out_file_txt\"\n" | tee -a $fichierLog
+            pdftotext "$in_file" "$out_file_txt" | tee -a $fichierLog
+
+			# OCR
+			echo -e " [NFO] TESSERACT : Détection par OCR des fichiers JPG \n" | tee -a $fichierLog
+			for i in *.jpg
+			    do
+			    echo -e "\n  [NFO] TESSERACT : Fichier image \"$i\"\n" | tee -a $fichierLog
+			    tesseract -l fra "$i" "$i.ocr" | tee -a $fichierLog
+			    cat "$i.ocr.txt" >> "$out_file.ocr.txt"
+			    rm "$i.ocr.txt"
+			done
+
+			# contact jpeg to pdf
+			echo -e " [NFO] CONVERT : Concatenation des JPG en PDF dans \"$out_file\" \n" | tee -a $fichierLog
+			convert -verbose *.jpg "$out_file" | tee -a $fichierLog
+
+			echo -e " [NFO] RM : Suppresison des JPG \n" | tee -a $fichierLog
+			rm -v *.jpg | tee -a $fichierLog
+
+			out_file=$(echo "$in_file"|sed "s/\(.*\.\)$input_file_type/\195_$output_file_type/g")
+			out_file_txt=$(echo "$in_file"|sed "s/\(.*\.\)$input_file_type/\1txt/g")
+
+#         		echo "" | pdftocairo "$in_file" -jpeg -jpegopt quality=95 convert *.jpg "$out_file" rm *.jpg
+
+            echo -e " [NFO] GS : Conversion (2eme méthode) du PDF \n" | tee -a $fichierLog
+            gs -dBATCH -dNOPAUSE -q -sDEVICE=pdfwrite -dPDFSETTINGS=/ebook -sOutputFile="$out_file.pdf" "$in_file"
+
+			echo -e "==> Finished "$out_file "\n\n" | tee -a $fichierLog
+
+		fi
+	fi
+
+done
+
+echo -e "\n\n==== DONE CONVERTING FILES ====" | tee -a $fichierLog
+
+
+
+
+exit 0