Расширить протокол SCI проверкой содержимого Flash и комплектом RAM-ядер. Добавить утилиту векторизации PDF с OCR, общие диалоги DSView и проверки.
PDF Scan to Vector
Настольное приложение Windows с оформлением в стиле SETGUI. Преобразует скановые PDF в чёрно-белые векторные контуры и распознаёт русский и английский текст локально на компьютере.
Запуск EXE
Откройте dist\PDFScanToVector.exe. Установка Python, Tesseract и доступ к интернету для работы не требуются. При первом запуске единственный EXE распаковывает встроенные библиотеки во временную папку; это может занять несколько секунд. Сборка предназначена для 64-разрядных Windows 10/11.
- Нажмите «Открыть PDF…» или перетащите PDF в окно. Кнопка «Пример» открывает встроенный тестовый скан.
- Выберите режим, язык и разрешение. По умолчанию: векторизация с OCR, русский и английский, 300 DPI.
- При необходимости задайте страницы, например
1-3, 5, и поворот по часовой стрелке. - Нажмите «Преобразовать документ». Результат, текст выбранной страницы и журнал доступны в отдельных вкладках.
- Нажмите «Сохранить PDF…». Дополнительно можно сохранить весь распознанный текст в TXT UTF-8 и векторные страницы в ZIP с SVG.
Исходный файл сохраняется. Повторный запуск использует текущие параметры, поэтому после их изменения необходимо снова нажать кнопку преобразования. Отмена выполняется между этапами: запущенный этап OCR должен завершиться. При закрытии окна рабочий процесс завершается вместе с приложением.
Режимы
| Режим | Графика результата | Текст |
|---|---|---|
| Вектор + распознанный текст | Чёрно-белые заполненные контуры, без растровых изображений | Невидимый слой для поиска, выделения и копирования |
| Вектор + обычный текст | Векторная графика; отделимые распознанные буквы заменены шрифтом | Видимый Unicode-текст для поиска, выделения, копирования и правки в PDF-редакторе |
| Только векторизация | Чёрно-белые заполненные контуры | Без OCR |
| Скан + распознанный текст | Цветное изображение страницы с выбранным разрешением | Невидимый слой для поиска, выделения и копирования |
Обычная векторизация восстанавливает линии и буквы заполненными контурами. Если буквы выглядят угловатыми, выберите «Вектор + обычный текст»: приложение записывает распознанные слова видимым встроенным шрифтом с кириллицей, подгоняя размер и ширину под исходные надписи. Шрифт может отличаться от оригинального. Нераспознанные подписи и слова, слившиеся с проводниками, остаются контурами; число замен видно в журнале. Проверьте вкладку «Текст OCR», поскольку ошибочно распознанное слово в этом режиме становится видимым. Векторизация не восстанавливает CAD-объекты и структуру таблиц. Для фотографий, цветных печатей и оттенков используйте «Скан + распознанный текст». Рукописный текст не является целевым сценарием.
Профиль «Улучшенное · схемы и сканы» включён по умолчанию: выравнивает фон бумаги и убирает длинные горизонтальные и вертикальные линии из копии для OCR. Графика результата строится по оригиналу, поэтому подготовка не удаляет проводники из выходного PDF. Для сравнения доступен профиль «Исходное · без подготовки». На мелких подписях попробуйте 400–600 DPI и один язык, если документ не содержит второго. Повышение разрешения не восстанавливает детали, которых нет в исходном скане.
Если страница содержит готовые текстовые надписи и не содержит изображений, приложение переносит исходный текст в поисковый слой вместо повторного OCR. Это сохраняет мелкие подписи чертежей, которые распознавание может прочитать неверно. Для старых шрифтов ГОСТ с именем GOST… восстанавливается кириллица, ошибочно записанная как Latin-1 вместо Windows-1251 (например, Àâàðèÿ становится Авария). Положение надписей и повороты сохраняются; исходный PDF не изменяется. Растровые и смешанные страницы проходят OCR. В режиме «Только векторизация» текстового слоя нет.
Большие листы ограничиваются 45 миллионами пикселей: приложение автоматически снижает фактическое разрешение, чтобы ограничить расход памяти. Это разрешение видно в журнале и отчёте проверки.
Настройки векторизации
- Порог чёрного: 0 — автоматический метод Оцу; 1–254 — ручной уровень серого. Больший порог помогает сохранить бледные линии и одновременно может добавить шум.
- Удаление пыли: минимальная площадь внешнего пятна в квадратных пикселях при 300 DPI. Ноль сохраняет все компоненты. Белые отверстия букв сохраняются независимо от этого фильтра.
- Упрощение: допустимое отклонение границы в пикселях при 300 DPI. Меньшее значение сохраняет больше узлов; большее уменьшает размер геометрии.
- Масштаб просмотра: Ctrl+колесо, кнопки «+», «−», «По размеру»; увеличенный лист можно перемещать мышью.
Исходники и повторная сборка
Подключение к SETGUI
Программа подключается отдельным процессом во вкладке «Инструменты → PDF Scan to Vector». Исходный комплект размещается в существующем сабмодуле templates, каталог tools/pdf-scan-to-vector; дополнительный сабмодуль не требуется. Подготовленные файлы интеграции находятся в integration/setgui, сценарий integration/apply.py проверяет и применяет точечные изменения соседних SETGUI и templates, сохраняя резервную копию изменённых файлов.
В SETGUI первая сборка выполняется через buildb_bat\BUILD_PDF_VECTOR.bat --setup, последующие — без --setup. Для неё используется отдельное окружение Python 3.13 x64. Полная папка pdf-vector устанавливается рядом с SETGUI.exe и в исходный runtime. Её PDFScanToVector.exe запускается также самостоятельно. Для непосредственной сборки папки из этого проекта: .venv\Scripts\python.exe tools\build_component.py.
Встроенный режим поддерживает локальный канал --server, передачу темы и открытие PDF без перезапуска. При закрытии SETGUI программа предлагает сохранить готовый результат или подтвердить прерывание OCR; отмена сохраняет оба приложения открытыми. Необязательный --settings ПУТЬ.ini изолирует профиль при автоматической проверке. Компонент предназначен для Windows 10/11 x64; исходная однофайловая сборка через build_exe.bat сохраняется.
Для разработки нужен Python 3.13 x64. Зависимости зафиксированы в requirements.txt; сборочные — в requirements-build.txt. Языковые модели находятся в assets\tessdata и уже включены в проект.
Дважды щёлкните build_exe.bat в корне проекта. Он запустит PowerShell-сценарий tools\build.ps1: установит зависимости в .venv, выполнит проверки, соберёт один EXE и проверит его полным сценарием GUI с обработкой тестового скана. Готовый файл появится в dist\PDFScanToVector.exe. Окно останется открытым, чтобы можно было прочитать результат или ошибку. Для автоматического запуска без ожидания клавиши используйте build_exe.bat --no-pause.
Если основная версия EXE запущена и Windows запрещает её заменить, новая сборка сохранится в dist с меткой времени в имени. Точный путь будет показан в окне сборки; работающее приложение продолжит свой сеанс.
Запуск исходников: .venv\Scripts\python.exe app.py. Необязательный единственный аргумент — путь к PDF. Автопроверка: .venv\Scripts\python.exe app.py --self-test verification-output\source или dist\PDFScanToVector.exe --self-test verification-output\exe. Папка самопроверки содержит JSON-отчёт, исходный скан, результат, распознанный текст и изображения интерфейса и страницы.
Обработка выполняется в отдельном процессе: объекты MuPDF не разделяются между потоками. PDF записывается во временный файл и публикуется атомарной заменой. При ошибке или отмене до публикации существующее назначение сохраняется.
Документация используемых библиотек
- PyMuPDF: OCR и встроенный Tesseract
- PyMuPDF: сохранение OCR PDF из изображения
- OpenCV: вложенность контуров
- PyInstaller: автономные приложения
Сведения об открытых компонентах и лицензиях находятся в THIRD_PARTY_NOTICES.md.