https://wiki.ubuntuusers.de/tesseract-ocr/#xsane2tess

xsane OCR -> tesseract
als Text speichern, umbenennen in html
alle html mit "cat file1 file2 > file-all.html"
in word öffnen und korrigieren:

—   =   -
del '
einfügen Leerzeichen vor << oder >>