From 52f234781413091a1902ad297bb9d42981b792b1 Mon Sep 17 00:00:00 2001
From: Bastien Le Querrec <blq@laquadrature.net>
Date: Wed, 6 Mar 2024 18:24:51 +0100
Subject: [PATCH] ppparis: saute l'OCRisation des pages avec des trop grandes
images
---
ppparis.py | 2 +-
1 file changed, 1 insertion(+), 1 deletion(-)
diff --git a/ppparis.py b/ppparis.py
index e8b4faa..a67434e 100755
--- a/ppparis.py
+++ b/ppparis.py
@@ -158,7 +158,7 @@ for a in soup.find_all('a', href=True):
logging.info(f'Nouveau fichier : {name} ({date}). URL : {url}')
download_file(url, __DATA_DIR+filename)
- cmd = ['ocrmypdf', '-l', 'eng+fra', '--output-type', 'pdfa', '--redo-ocr', __DATA_DIR+filename, __DATA_DIR+filename]
+ cmd = ['ocrmypdf', '-l', 'eng+fra', '--output-type', 'pdfa', '--redo-ocr', '--skip-big', '500' , __DATA_DIR+filename, __DATA_DIR+filename]
logging.debug(f'Lancement de ocrmypdf: {cmd}')
try:
output = subprocess.check_output(cmd, stderr=subprocess.STDOUT)
--
GitLab