OCR (character recognition) function

To activate OCR, either on an image file, or to extract the text from a PDF file, we also use the 'convert_file' instruction.
In the case of a PDF file, we can use the 'layout' option which will produce a text file whose layout looks more like that of the original PDF file:

var File f2 := convert_file f "foo.txt" "layout"

Toujours dans le cas d'un fichier PDF, on peut aussi limiter la reconnaissance à une partie de la page.
L'unité est le point Postscript, c'est à dire 1/72 ème de pouce. Une page A4 représente donc 595 x 842 points.
Au niveau de l'utilitaire Unix 'pdftotext' utilisé pour la conversion, les options x, y, W et H servent à définir les coordonnées de la zone séléctionnée.
L'instruction suivante est donc sans effet nouveau sur des pages A4, puisqu'elle sélectionne toute la page.

var File f2 := convert_file f "foo.txt" "layout pdftotext_options [dq] -x 0 -y 0 -W 595 -H 842[dq]"

Pour éliminer 20 mm au bas de la page, soit 20/25.4*72 = 57 points, on utilisera donc :

var File f2 := convert_file f "foo.txt" "layout pdftotext_options [dq] -x 0 -y 0 -W 595 -H 785[dq]"