Re: wordcount

>>> "DB" == Doris Behrendt < <[email protected]>> writes:

Hallo Doris
> Hallo Liste, ich stehe vor der Aufgabe, die Wörter eines 700-Seiten
> PDF zu zählen, welches sehr viel Mathe, Codebeispiele, Bilder etc.
> enthält.


> Wie würdet ihr das machen? Ich habe ps2ascii datei.pdf | wc -w
> genommen, aber befürchte, dass der Count sehr ungenau ist.

Zunächst stimme ich Heiko zu, die Fehlerquote kann relativ groß sein.
Hier habe ich einen Vorschlag, der allerdings mit Arbeit und leider auch
Kosten verbunden ist.

Die Grundidee ist, 

    1. das Dokument in LaTeX zu konvertieren,

    2. Mit einen vernünftigen Editor (zb Emacs) nachbessern

    3. pandoc zu benutzen, um die mathematischen Formeln herauszufiltern

    4. Noch mal nachbessern, text in UTF8 konvertieren.

    5. wc benutzen.

Erste Frage: ist das Dokument mit LaTeX erzeugt worden, vielleicht
könntest du den Quellcode bekommen 😇.

Zur Konvertierung: ich habe mathpix benutzt, das ziemlich gute Resultate
liefert. (Ich hoffe der folgende Paragraph liest nicht, wie eine
Werbebroschüre)

Dies ist ein kostenpflichtiger Online Service. Leider gehen sie den Weg,
den seit einiger Zeit viele Anbieter gehen. Du bekommst ein kostenloses
Konto mit einer kleinen Anzahl von kostenlosen Versuchen, dann aber
mußt du ein Monats Abonnement  abschließen, das du aber jederzeit
kündigen kannst, die Kosten belaufen sich auf 5 Euro im Monat, ich bin
mir aber nicht sicher, ob 700 Seiten für 5 Euro konvertiert werden

Du kannst ja ein paar Probeseiten konvertieren.

Wichtig ist aber die Nachbesserung mit einem Editor. Bevor ich jetzt in
mehr Details gehe und pandoc ausführe, überlege Dir erst, ob Du das tun
willst.

Gruß

Uwe Brauer

-- 
FAQ: http://texfragen.de/
Durchsuchbares Archiv: https://www.listserv.dfn.de/sympa/arc/tex-d-l 
Unsubscribe/Verwaltung: https://www.listserv.dfn.de/sympa/info/tex-d-l