Installationsanleitung für das PDF-Konverter-Skript

Systemanforderungen

Betriebssystem: Windows (aufgrund der Verwendung von "win32com.client"), der Rest sollte auch unter Linux und MacOS funktionieren

Speicherplatz: Mindestens 500 MB freier Speicherplatz

Python: Python 3.7 oder höher

1. Voraussetzungen

Stellen Sie sicher, dass Python auf Ihrem System installiert ist. Sie können Python von der offiziellen Python-Website herunterladen und installieren.

2. Abhängigkeiten installieren

Das Skript benötigt mehrere Python-Bibliotheken. Öffnen Sie ein Terminal oder eine Eingabeaufforderung und führen Sie die folgenden Befehle aus:

pip install docx2pdf pandas python-pptx reportlab Pillow pytesseract pdf2image langdetect pywin32

3. Ghostscript installieren

Ghostscript wird benötigt, um PDFs in das PDF/A-Format zu konvertieren. Laden Sie Ghostscript von der offiziellen Ghostscript-Website herunter und installieren Sie es. Stellen Sie sicher, dass der Pfad zu gswin64c.exe oder gswin32c.exe in Ihrer PATH-Umgebungsvariable enthalten ist.

4. Tesseract OCR installieren

Tesseract wird für die OCR-Funktionalität benötigt. Laden Sie Tesseract von der offiziellen Tesseract-Website herunter und installieren Sie es. Stellen Sie sicher, dass der Pfad zu tesseract.exe in Ihrer PATH-Umgebungsvariable enthalten ist.

5. Skript herunterladen

Laden Sie das Skript herunter oder kopieren Sie es in eine Datei namens pdf_converter.py.

6. Skript ausführen

Navigieren Sie im Terminal oder in der Eingabeaufforderung zu dem Verzeichnis, in dem sich pdf_converter.py befindet, und führen Sie das Skript aus:

python pdf_converter.py

7. GUI verwenden

Nach dem Starten des Skripts wird ein GUI-Fenster angezeigt. Folgen Sie diesen Schritten, um das Skript zu verwenden:

Dateien auswählen: Klicken Sie auf "Datei(en) auswählen / Konvertieren", um die zu konvertierenden Dateien auszuwählen.

Ausgabeordner wählen: Wählen Sie den Ordner, in dem die konvertierten PDFs gespeichert werden sollen.

Einstellungen anpassen: Passen Sie die Einstellungen nach Bedarf an, z.B. PDF-Version, OCR-Einstellungen, Titel und Autor des PDFs.

Konvertierung starten: Klicken Sie erneut auf "Datei(en) auswählen / Konvertieren", um den Konvertierungsprozess zu starten.

8. Protokolldatei

Das Skript erstellt eine Protokolldatei namens converter.log, in der alle Aktionen und Fehler protokolliert werden. Sie können diese Datei öffnen, um Details zu den Konvertierungsprozessen zu überprüfen.

9. Fehlerbehebung

Fehlende Abhängigkeiten: Stellen Sie sicher, dass alle erforderlichen Bibliotheken installiert sind.

Pfadprobleme: Überprüfen Sie, ob die Pfade zu Ghostscript und Tesseract korrekt in der PATH-Umgebungsvariable eingetragen sind.

Berechtigungen: Stellen Sie sicher, dass Sie die erforderlichen Berechtigungen haben, um Dateien zu lesen und zu schreiben.

10. Verwendete Python-Bibliotheken

tkinter: Standardbibliothek für GUI-Anwendungen in Python.
openpyxl: Zum Arbeiten mit Excel-Dateien.
reportlab: Zum Erstellen von PDF-Dokumenten.
subprocess: Zum Ausführen von Systembefehlen.
os: Zum Arbeiten mit dem Dateisystem.
tempfile: Zum Erstellen temporärer Dateien und Verzeichnisse.
logging: Zum Protokollieren von Ereignissen und Fehlern.
shutil: Zum Kopieren und Löschen von Dateien.
sys: Zum Beenden des Skripts bei Fehlern.
threading: Zum Ausführen von Aufgaben in separaten Threads.
win32com.client: Zum Arbeiten mit Microsoft Office-Anwendungen (nur Windows).
queue: Zum Verwalten von Warteschlangen.
PyPDF2: Zum Arbeiten mit PDF-Dateien.
langdetect: Zum Erkennen von Sprachen in Texten.
Pillow (PIL): Zum Arbeiten mit Bildern.
pytesseract: Zum Ausführen von OCR (optische Zeichenerkennung) mit Tesseract.
pdf2image: Zum Konvertieren von PDF-Seiten in Bilder.
pandas: Zum Arbeiten mit CSV-Dateien.
python-pptx: Zum Arbeiten mit PowerPoint-Dateien.
docx2pdf: Zum Konvertieren von DOCX-Dateien in PDF.

11. Externe Tools

Ghostscript: Zum Konvertieren von PDFs in das PDF/A-Format.

Das Skript ist darauf ausgelegt, verschiedene Dateitypen in PDF-Dateien zu konvertieren. Hier ist eine Übersicht der Dateitypen, die mit dem Skript konvertiert werden können:

1. DOCX (Word-Dokumente):

   • Konvertiert Word-Dokumente in PDF-Dateien.

2. XLSX (Excel-Tabellen):

   • Konvertiert Excel-Tabellen in PDF-Dateien.

3. PPTX (PowerPoint-Präsentationen):

   • Konvertiert PowerPoint-Präsentationen in PDF-Dateien.

4. CSV (Kommagetrennte Werte):

   • Konvertiert CSV-Dateien in PDF-Dateien.

5. TXT (Textdateien):

   • Konvertiert Textdateien in PDF-Dateien.

6. Bilder (JPG, JPEG, PNG):

   • Konvertiert Bilddateien in PDF-Dateien. Optional kann OCR (optische Zeichenerkennung) angewendet werden, um Text aus den Bildern zu extrahieren.

7. PDF:

   • Kann bestehende PDF-Dateien in das PDF/A-Format konvertieren oder OCR auf PDF-Dateien anwenden, um Text aus Bildern innerhalb der PDF zu extrahieren.

Zusätzliche Funktionen

• PDF/A-Konvertierung:

  • Das Skript kann PDF-Dateien in das PDF/A-Format konvertieren, das für die Langzeitarchivierung geeignet ist.

• OCR (Optical Character Recognition):

  • Das Skript kann OCR auf Bilder und PDF-Dateien anwenden, um Text zu extrahieren und in das PDF einzubetten.

• Metadaten:

  • Das Skript kann Metadaten wie Titel und Autor zu den erstellten PDF-Dateien hinzufügen.

Das Skript bietet eine benutzerfreundliche grafische Oberfläche (GUI), die es Benutzern ermöglicht, Dateien auszuwählen und die Konvertierungseinstellungen anzupassen. Tesseract OCR: Zum Ausführen von OCR auf Bildern und PDFs.