# Konverzia PDF do OCR formátu pre Paperless-ngx na CachyOS

**URL:** <https://forum.linuxdoma.sk/t/konverzia-pdf-do-ocr-formatu-pre-paperless-ngx-na-cachyos/318>\
**Category:** Návody\
**Tags:** cachyos, paperless, ocr\
**Created:** [Apríl 21, 2025, 10:25am UTC](https://forum.linuxdoma.sk/t/konverzia-pdf-do-ocr-formatu-pre-paperless-ngx-na-cachyos/318 "2025-04-21T10:25:44Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

**Author:** ![Tony](https://forum.linuxdoma.sk/user_avatar/forum.linuxdoma.sk/tony/32/259_2.png) [@Tony](https://forum.linuxdoma.sk/u/Tony)\
**Post date:** [Apríl 21, 2025, 10:25am UTC](https://forum.linuxdoma.sk/t/konverzia-pdf-do-ocr-formatu-pre-paperless-ngx-na-cachyos/318/1 "2025-04-21T10:25:44Z")

</div>

## 🧾 Návod: Konverzia PDF do OCR formátu pre Paperless-ngx na CachyOS

* * *

### 🧩 Prečo konvertovať PDF do OCR formátu pred nahratím do Paperless?

Aj keď Paperless-ngx zvláda automatické spracovanie väčšiny bežných dokumentov, **v niektorých prípadoch môže zlyhať import aj pri PDF súboroch, ktoré sa dajú bežne otvoriť a označiť v PDF prehliadači** – teda obsahujú textovú vrstvu.

➡ **Typickým príkladom sú faktúry od spoločnosti Alza** , ktoré sa síce vizuálne zobrazia správne a text v nich je označiteľný, no Paperless ich napriek tomu odmietne naimportovať bez zjavnej chyby.

Praktickým riešením je **vykonať konverziu pomocou `ocrmypdf`** , ktorý vytvorí nové PDF s preverenou a jednoznačnou textovou vrstvou, ktorú už Paperless dokáže bez problémov spracovať.

* * *

## ✅ 1. Nainštaluj ocrmypdf

Nástroj `ocrmypdf` prekonvertuje PDF na nový súbor s textovou vrstvou, ktorú vie Paperless-ngx správne spracovať.

```bash
paru -S ocrmypdf

```

**Vysvetlenie:**  
`ocrmypdf` využíva OCR engine **Tesseract** , aby do PDF doplnil (alebo prepísal) textovú vrstvu – ideálne pre skeny alebo zložité faktúry.

* * *

## ✅ 2. Nainštaluj jazykové dáta pre OCR (slovenčina + angličtina)

```bash
paru -S tesseract-data-slk tesseract-data-eng

```

**Vysvetlenie:**  
OCR engine potrebuje jazykové balíčky, aby vedel správne rozpoznať znaky.

- `slk` = slovenčina
- `eng` = angličtina  
Môžeš pridať aj ďalšie jazyky podľa potreby (`deu`, `ces`, …).

* * *

## ✅ 3. Skontroluj, že ocrmypdf funguje

```bash
ocrmypdf --version

```

**Vysvetlenie:**  
Týmto overíš, že je nástroj nainštalovaný a pripravený na použitie.

* * *

## ✅ 4. Spusti konverziu problematického PDF

```bash
ocrmypdf --force-ocr --language slk+eng "vstupny_subor.pdf" "vystupny_subor_fixed.pdf"

```

### Príklad:

```bash
ocrmypdf --force-ocr --language slk+eng Invoice_5225002407.PDF Invoice_5225002407_fixed.pdf

```

| Parameter | Význam |
| --- | --- |
| `--force-ocr` | Ignoruje existujúci text a vygeneruje nový text layer |
| `--language slk+eng` | OCR rozpoznáva slovenčinu aj angličtinu |
| `vstupny_subor.pdf` | Originálny PDF súbor |
| `vystupny_subor_fixed.pdf` | Nový PDF súbor pripravený pre Paperless |

* * *

## ✅ 5. Nahraj výsledný `.pdf` do Paperless-ngx

- Použi webové rozhranie Paperless-ngx  
**alebo**
- Vlož súbor do adresára `consume`, ak používaš automatické spracovanie dokumentov.

* * *

## 🔁 Bonus: Automatická oprava viac súborov naraz (voliteľné)

Ak chceš hromadne opraviť všetky PDF v aktuálnom adresári (vo **fish shell** ):

```fish
for file in *.pdf
    set name (string replace .pdf "" $file)
    ocrmypdf --force-ocr --language slk+eng "$file" "$name"_fixed.pdf
end

```

> Tento príkaz prejde každý `.pdf` súbor a vytvorí OCR verziu so suffixom `_fixed`.