在Python中从假脱机pdf文件中提取超链接
在Python中，可以使用第三方库PyPDF2来提取假脱机（embedded）PDF文件中的超链接。
- 概念：假脱机（embedded）PDF文件是指PDF文件中包含超链接，这些超链接指向PDF文件内部的其他部分或外部URL地址。
- 分类：假脱机（embedded）PDF文件的超链接可以分为内部链接和外部链接两种类型。内部链接指向PDF文件内部的其他部分，例如不同页面或目录。外部链接指向PDF文件外部的URL地址，可以是网页、图片、视频等资源。
- 优势：提取假脱机PDF文件中的超链接可以方便地获取相关资源或跳转至其他页面，提升用户体验和信息查找效率。
- 应用场景：假脱机PDF文件的超链接广泛应用于电子书、报告、文档等领域，提供了便捷的导航和资源链接功能。
- 推荐的腾讯云相关产品和产品介绍链接地址：腾讯云提供的云计算服务中，与PDF文件相关的产品包括云存储（对象存储 COS）、内容分发网络（CDN）和云服务器（CVM）。以下是相关产品的介绍链接：
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云内容分发网络（CDN）：https://cloud.tencent.com/product/cdn
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
请注意，以上链接仅供参考，并非真实存在的链接地址。
相关·内容
在我们的软件中，我们需要能够将打印机驱动程序写入C：\Windows\System32 32\spool\PRINTERS文件夹的SPL文件转换为PDF文件。对于PCL格式的SPL文件，我们使用来自pcltool.exe的VeryPDF执行这种转换，这通常都很好。然而，我们有问题的SPL文件产生的打印机驱动程序“佳能iR 5235/5240 PCL6”。例如，以下SPL文件的结果是在记事本中打印出一个带有单词“the”的页面：
使用pcltool.exe转换00025.spl会产生一个70页的PDF格式，每个页面的顶部都会有一行垃圾字符。试图使用其他PCL查看器打开00025.spl会给出类
浏览 2提问于2013-08-21得票数 1
1回答
我想用swiftMailer发送一封带有文件的电子邮件，在此之后，我想删除同一个文件。但是当我这么做的时候，它就不管用了。我的文件没有被删除，邮件没有发送，还有一件奇怪的事情。创建了两封电子邮件。这里是控制器：
public function rentIsPaid(
RentRelease $rentRelease,
PdfGenerator $pdfGenerator,
MonthlyMailer $monthlyMailer
): Response {
if (!$this->isGranted('EDIT_RENT_RELEASE',
浏览 0提问于2019-04-12得票数 1
回答已采纳
1回答
你好，我正在使用SwiftMailer上的Symfony2，我可以成功地发送电子邮件，但现在我首先制作一个pdf，然后附加在邮件，发送，最后删除的pdf文件。
这是我的密码。
$pdf->Output('cuestionario/attach/' . $nombre . '.pdf', 'F');
$correosFinal = array();
foreach ($correos as $correo) {
浏览 4提问于2014-05-19得票数 0
回答已采纳
如何截取和更改windows 7打印假脱机文件(.SPL)，以便在执行打印作业期间将该文件发送到打印机之前，在标题中添加一些附加信息，如@PJL SET NAME="PainPoint“？
从顶部提取的.SPL文件部分如下：
%-12345X@PJL SET STRINGCODESET=UTF8
@PJL COMMENT DATE=02/08/2017
@PJL ENTER LANGUAGE=PCLXL
) HP-PCL XL;2;1;FXXPL2-1.0.0,WINNT-6.1,XPL2DRV-6.9.1.1
?X???........
浏览 5提问于2017-02-08得票数 2
回答已采纳
我使用cups-pdf通过lpd (端口515)打印到目前为止，但所有pdf-文件创建与其内容的打印机配置。PDF文件包括以下内容：
Media Limits: 0.00 x 0.00 to 8.26 x 11.69 inches
Job ID: PDFPrinter003-197
Driver: CUPS-PDF.PPD
Driver Version: 1.1
Description: SAP2PDF
Driver Version: SAP2PDF
Make and Model: Generic CUPS-PDF Printer (no options)
Printer: PDFPrinte
浏览 0提问于2017-06-27得票数 1
回答已采纳
1回答
我从pdfs创建prn代码，并将它们发送到C#代码中的打印机，以实现打印作业的自动化。为此，我使用具有以下参数的鬼脚本。
gswin32c -dNOPAUSE -dBATCH -sDEVICE=laserjet -sOutputFile="c:/temp/out.prn" "NumberedPages.pdf"
这个命令行参数生成一个名为out.prn的prn文件。当我用下面的C#代码将这个文件发送到打印机时，它成功地打印了这个pdf文件。
public static bool SendBytesToPrinter(string szPrinterN
浏览 1提问于2017-12-29得票数 0
2回答
我使用从PDF文件中提取表格。虽然这很好，但它只提取文本，而不提取嵌入在表中的超链接。
是否有一种方法可以使用Camelot或类似的包来提取表中嵌入的表格文本和超链接？
谢谢!
浏览 9提问于2022-12-02得票数 1
1回答
我正在尝试打印4PDF或4JPEG与我的C#代码，但我有一个非常重要的问题。下面是我打印PDF的代码：
for (int pdfcount = 1; pdfcount < 5; pdfcount++)
{
filename = "Doc" + pdfcount + ".pdf";
ProcessStartInfo psInfo = new ProcessStartInfo();
psInfo.FileName = @"C:\Program Files\Adobe\Reader 11.0\Reader\AcroRd32.exe";
浏览 3提问于2014-05-16得票数 0
6回答
我有一个pdf文档，里面有几个超链接，我需要从PDF中提取所有文本。我使用了中的PDFMiner库和代码来提取文本。但是，它不提取超链接。
例如，我有一个文本，上面写着，并附加了一个链接。我能够提取单词Check this link out，但我真正需要的是超链接本身，而不是单词。
我该怎么做呢？理想情况下，我更喜欢用Python来做这件事，但我也愿意用任何其他语言来做。
我看过itextsharp，但还没有用过它。我在Ubuntu上运行，如果有任何帮助，我将非常感激。
浏览 0提问于2015-01-02得票数 13
3回答
我正在制作一个应用程序，创建一个自定义PDF，邮寄它，然后删除它。我已经分别测试了所有3个组件，它们都可以工作，但当我将它们放在一起时，电子邮件不会发送。
有没有可能附件在发送电子邮件之前就被删除了，即使在脚本中删除之后也是如此？
这是我的代码。
<!---Get the PDF--->
<cfscript>
PDFBuilder = createobject("component", "form_admin.email.PDFBuilder" );
pdf = PDFBuilder.createPDF(form_id)
浏览 2提问于2012-08-30得票数 1
回答已采纳
我正在处理的docx文件有一个带有注释的超链接。
例如:带有学生地址的 -文件
带有学生成绩的 -文件
我试图提取超链接和评论在excel工作表。我使用python库来提取超链接和文本。但是，python库将为您提供文本或超链接。我就是这样得到超链接的：
from docx import Document
from docx.opc.constants import RELATIONSHIP_TYPE as RT
document = Document("StudentData.docx")
rels = document.part.rels
for rel in rels:
浏览 2提问于2022-07-27得票数 0
在允许人们打印的网吧里，有时他们打印的页面比他们想要的要多。
我正在寻找一种方法来显示一个“您确定要打印X页吗？”在它们按下打印(在任何应用程序中)之后，但在作业被发送到队列之前。。
我正在寻找如何实现这样一个钩子的指针。
(我已经考虑过修改FOSS PDF打印机，使其首先打印成PDF格式，然后显示对话框，如果用户按下“是”，则在真正的打印机上打印。但这似乎是一种迂回的方式，而且这样也失去了打印机特有的功能。)
浏览 2提问于2009-11-03得票数 5
回答已采纳
我正在尝试创建一个虚拟打印机，以从我自己应用程序中的应用程序中捕获打印输出。
我已经成功地实现了一个使用Microsoft PostScript驱动程序并生成ps文件的程序。(从不同的开源项目中提取了很多代码)
但是，由于生产服务器上的GhostScript许可问题(业务解决方案不免费)，我希望实现一个不同的驱动程序，该驱动程序生成文件或任何其他格式，用于提取文本、转换为PDF、提取每个页面的图像等。
我与postscript驱动程序和一起使用的代码实际上可以很好地工作，如下所示：
// Declare the AddPrinterDriver as extern.
[DllImport(&#
浏览 2提问于2015-09-01得票数 4
2回答
我使用imagemagick将pdfLaTex生成的PDF渲染为图像：
convert -density 120 test.pdf -trim test.png
然后，我在一个HTML文件中使用这个图像(以便在自己的wiki引擎中包含latex代码)。
当然，PNG文件没有PDF文件包含的任何超链接。
有没有可能提取坐标和目标URL的超链接，以便我可以建立一个超文本标记语言的
如果有什么不同:我只需要外部的(http://)超链接，不需要内部超链接。像pdftohtml这样的基于文本的解决方案是不可接受的，因为PDF也包含图形和公式。
浏览 1提问于2012-05-15得票数 3
回答已采纳
我们有一个使用CL和RPG程序组合编写的存储过程。在iSeries上本地调用时，一切正常。当从外部(例如，从SQL前端)调用时，RPG程序无法在其生成的假脱机文件上获取hadle，因为假脱机文件出现在不同的(随机？)作业编号和用户。这些作业在QUSRWRK子系统中以QUSER身份运行，但是spool文件获取的是用户id，连接是在外部连接池(即USERA)中建立的。
有没有一种方法可以在作业运行时可靠地获得正确sppol文件的句柄(而不是依赖于从该队列中选择最后一个假脱机字段等)。
浏览 0提问于2009-04-02得票数 0
1回答
解码打印作业文件
、、
当我发出打印命令时，打印作业文件被存储到/var/ format.Is /cups目录中，但是在PDF中，有一种方法可以解码该pdf文件，以便我可以监视该pdf文件中有哪些数据，并相应地对该用户采取行动？
浏览 2提问于2016-04-18得票数 0
1回答
我目前工作的PDF文件，特别是，我需要收集信息与超链接嵌入在PDF文件的文本。到目前为止，我所做的是使用pdftools包解析PDF文件。然而，它只呈现文本，而不呈现潜在的超链接。下面可以找到一个PDF文件的例子，它有两个嵌入的超链接(单词"sentencia“和"aqui")和我使用过的代码。
library(dplyr)
txt <- pdftools::pdf_text(pdf = "http://www.corteidh.or.cr/docs/comunicados/cp_47_17.pdf") %>%
paste(., co
浏览 1提问于2018-08-28得票数 7
回答已采纳
1回答
我妈妈的打印机有时行为奇怪，搞砸了，不能打印，然后不能删除，停止，重新启动，或任何文件在假脱机。我编写了一个python程序来停止打印假脱机服务，清空假脱机文件夹，然后重新打开打印假脱机服务。目前，打印假脱机文件夹的位置是硬编码到程序中的。
我的问题是，有没有一个系统或环境变量对于各种风格的windows都是通用的，可以返回spool文件夹所在的位置？或者，该文件夹是否可以从默认文件夹更改，这样我甚至不需要担心它？
浏览 0提问于2011-02-21得票数 1
回答已采纳
1回答
我有一个表格，是发送4个单独的电子邮件，当它被处理时，所有包含4个附加的PDF/Word文档。我有它的方式设置是，我有spoolenable=“假”的每封电子邮件，以便他们立即发送。然后，在最后一封电子邮件中，我也将remove=设置为“true”，这样附件就会从我的服务器中删除。我遇到的问题是，4封邮件中只有2封是在我收到以下邮件之前发送的：
java.net.SocketTimeoutException:读取超时。
我真的不确定我能做些什么来解决这个问题，但我愿意尝试任何建议。
谢谢
浏览 3提问于2013-08-23得票数 0
有没有一种方法可以在不发出spool off命令的情况下显示sqlplus命令的输出？
我将sqlplus会话的结果假脱机到一个文件中，同时跟踪该文件。这样做的原因是，对于具有非常长的行的表，其格式更容易从文件中查看。问题是每次在sqlplus中运行命令时，都会看到我必须发出spool off命令的输出。
我是否可以配置sqlplus，以便在发出spool命令后，所有输出都可以直接在文件上查看。
(不能选择格式化行在屏幕上的显示方式。)
谢谢
浏览 0提问于2010-06-10得票数 4
回答已采纳
1回答
我使用一个java程序从as400调用一个CL程序，该程序生成要检索的假脱机文件。我不知道生成的假脱机文件在哪里。它在哪里？
我试着在创建假脱机文件的作业中使用具有相同编号、用户和名称的wrk作业来找到它。
浏览 4提问于2020-07-29得票数 0
回答已采纳
我正在测试一个将PDF发送到打印机的应用程序，它可能会请求打印多个副本，并发送如下命令
/usr/bin/lpr -T Document Title -# 10
我无法访问物理打印机，所以我使用CUPS通用虚拟打印机将PDF“打印”到磁盘上。但是，不管所请求的副本的数量如何，它只打印一个文件。
$ echo hello > hello.txt
$ lpr -P PDF -T test -# 2 hello.txt
$ ls PDF/
test.pdf
是否有将尊重副本参数的配置，例如创建hello-1.pdf和hello-2.pdf？
发行版是Debian 9。
杯数:2.2.1-8
浏览 0提问于2021-04-30得票数 1
回答已采纳
1回答
从pdf文件中读取图像
、、、、
我有一个要求，客户将上传一个pdf文件，其中包含图像/s。我必须读取那个pdf文件，从它们中提取图像，然后将图像保存到db和硬盘中。但我不知道如何使用Python/Django代码从pdf文件中提取图像。是否有从pdf文件中读取和提取图像的python库。
提前谢谢。
浏览 2提问于2013-08-09得票数 0
回答已采纳
我在oracle数据库中有一个表，其中有大约7亿条记录，大小约为5 5gb。我必须每天运行一个作业来将oracle表复制到snowflake。因为snowflake中没有到oracle数据库的直接连接器，所以我必须首先从oracle数据库提取数据到csv文件，然后使用python脚本将csv文件上传到snowflake。我尝试使用sqlplus将数据提取到csv。但是sqlplus提取数据需要很长时间。所以我的问题是: 1.从oracle数据库中提取数据的最快方法是什么? 2.由于我每天都要运行一个作业来将这个oracle表更新到snowflake中，有没有其他方法来完成这个任务？
任何帮助都
浏览 0提问于2020-04-20得票数 0
2回答
我的客户机有一个旧的基于DOS的应用程序，它将格式化的输出发送到打印机。我禁用了打印，所以假脱机文件仍保留在打印队列中。我想拿起这些假脱机文件，并将它们转换为PDF格式(然后理想地删除它们)。使用WMI可以做到这点吗？
顺便说一句，我不能在产生打印输出的应用程序中更改任何内容。
我想将此作为我支持的现有Visual Foxpro实用程序的一部分。
浏览 34提问于2021-01-19得票数 1
我一直试图找出如何使用python从docx文件中获取urls，但什么也找不到，我尝试过python-docx和python-docx2txt，但python-docx似乎只提取文本，而python-docx2txt能够从超链接中提取文本，而不是urls本身。
浏览 3提问于2016-11-08得票数 3
1回答
嗨，我在网上已经有两个小时了，想要得到一些关于我的问题的答案，但是没有结果。
我有一个文件夹，包含近1000个PDF文件。在每个PDF中都有一个超链接(电子邮件地址)。接下来我要做的是点击mailto超链接，打开一个新的Outlook窗口，附加PDF，然后点击send。这种情况需要重复大约1000次。每个PDF都有不同的电子邮件地址。
所以我在想，是否有一种方法可以将PDF中的超链接提取到excel中，这样我就可以让超级链接的电子邮件地址在A栏中显示，我已经计算出了发送部分，除了现在的这个部分。
谢谢!
浏览 4提问于2015-04-28得票数 2
1回答
在Excel中，除了与每个名称相关的文件的超链接列之外，还可能有一列名称。在另一个工作表中，我希望提取文件的路径，而不是超链接函数提供的文本。例如：
Name Function
Amy =HYPERLINK("Users\My Documents\amy000.pdf","Yes")
Bob =HYPERLINK("Users\My Documents\robert.pdf","Yes")
Charlie =HYPERLINK("Users\My Documents\charli.pdf",&
浏览 1提问于2016-08-12得票数 1
回答已采纳
1回答
水槽水槽能在远程机器上吗？
、、、、
每当一个新文件到达特定的文件夹时，我就试图从远程机器中获取文件到我的hdfs。我在水槽中遇到了假脱机的概念，如果假脱机是在水槽代理运行的同一台机器上的话，它工作得很好。
是否有任何方法在远程计算机中配置假脱机?？请帮帮忙。
浏览 3提问于2014-09-24得票数 3
回答已采纳
1回答
我目前正试图通过电子邮件发送选择结果，更准确地说是作为附件。我的目标是创建一个XML(到目前为止)和一个PDF，它们都是从保存所选数据的内部表中输入的。内部表是用自定义类型声明的。我使用XML附件发送电子邮件的当前代码如下所示：
lr_send_request = cl_bcs=>create_persistent( ).
lr_document = cl_document_bcs=>create_document( i_type = 'HTM'
i_text
浏览 0提问于2019-01-09得票数 0
回答已采纳
到表单中的git存储库的外部超链接
.. _Git repo: git://github.com/migueldvb/repo.git
在HTML文档中正确显示，但它们没有显示在PDF文件中。运行python setup.py sphinx_build -b latex以生成LaTeX文件时会出现警告：
unusable reference target found git://github.com/...
如何将指向git存储库的超链接包含在Sphinx生成的PDF文档中？
浏览 2提问于2013-09-01得票数 4
回答已采纳
2回答
我正在使用一个代码，它可以提取pdf文件的整个路径并显示活动工作簿。但问题是所提取的文件不是超链接的，也就是说，我不能在单击该单元格时直接打开文件。是否有任何方式自动超链接，以便单击打开文件直接从excel。
以下是代码：
Sub ReadFiles()
Dim objFSO As Object
Dim objFolder As Object
Dim objFile As Object
Dim i As Integer
'Create an instance of the FileSystemObject
Set objFSO = CreateObject("Scriptin
浏览 2提问于2016-03-24得票数 2
回答已采纳
我试图提取超链接在每一页与他们的锚文本从pdf使用PymuPdf库。我能够提取超链接与他们的页码，但不能提取锚文本/文字为每个超链接。
有人能帮我吗？
这里是代码
import fitz # PyMuPDF
result = []
with fitz.open(file) as doc:
for page_no in range(1, len(doc)+1):
page = doc[page_no-1]
for link in page.links():
if "uri" in link:
浏览 18提问于2022-10-03得票数 1
如何在不将二进制文件添加到/usr或其他默认文件夹下的默认位置的情况下从pkg文件中提取二进制文件。我想在我自己的目录/our_own_directory/our_own_prefix_specific_for_this_package下添加这个包，这样它是独立的，很容易知道发生了什么，并且绑定到我们的应用程序目录而不是OS目录。
另外，我不想触及已安装软件包的全局数据库。
浏览 0提问于2011-07-06得票数 10
回答已采纳
我们有平面文件，其中有html元素数据。使用CPYTOIMPF将此数据转换为.DOC并将其发送给用户的程序。Office自动转换html标签并以适当的格式显示。
根据新的要求，平面文件数据需要转换成PDF格式。我尝试了假脱机(RUNQRY)和使用CPYSPLF，但它没有工作。我得到了像text这样的html标记(例如：“Tag>发票</Tag”)，而不是格式化的文本。
是否有办法在CLLE/RPGLE中实现这一目标？
浏览 8提问于2022-09-06得票数 2
我在python应用程序中使用tika从文档中提取文本。一切正常，但它不是从pdf文件中提取的图像。Tika可以从pdf和图像中提取文本，但不能从包含图像的pdf中提取文本。我有点困惑。有没有办法做到这一点？是否需要将PDF文件转换为图像？
浏览 3提问于2018-10-11得票数 1
2回答
我有一个Swift Mailer的Silex应用程序，但似乎配置不是从$app['swiftmailer.options']加载的。
我在bootstrap文件中注册了该服务
$app->register(new SwiftmailerServiceProvider());
在我的配置文件中
$app['swiftmailer.options'] = array(
'host' => 'smtp.mandrillapp.com',
'port' => '587',
浏览 0提问于2015-02-25得票数 5
我正在尝试使用python和swagger在Solace PubSub+ (solace/solace-pubsub-standard)容器上以编程方式创建一个队列。 我已经成功地查询了api以查找现有的消息vpns并创建了新的消息vpns，因此我可以合理地确定基本的python/swagger API可以正常工作。 但是，每当我尝试查询api以查找现有队列或创建新队列时，都会收到以下变化： E semp_client.rest.ApiException: (400)
E Reason: Bad Request
E HTTP res
浏览 55提问于2020-09-09得票数 0
1回答
我正在使用pdf.js来解析一个从谷歌文档使用谷歌脚本生成的PDF。我最终需要在一个给定的pdf页面上产生一个超链接列表。
我需要一个与pdf.js函数PDFpage.getTextContent等效的函数，但它包含超链接信息，而不仅仅是文本信息。pdf.js中任何输出超链接信息的函数都是一个开始，但我似乎找不到任何东西。
我不需要显示PDF，只需从其中提取最少的信息。
我当前的代码只记录页面的文本内容：
function numbersLinks(blob) {
PDFJS.getDocument({data: blob}).then(function (PDFdoc) {
浏览 5提问于2017-10-25得票数 0
这是一个文档(word文件)，我从中提取了一些句子，并用python将其写入到excel文件中。 现在我想创建一个句子的超链接，它链接到句子所属的页面。 例如，如果在word文件的第5页中有一句“我爱python”，在我用python将这句话提取到excel文件的单元格后，可以用xlsxwriter创建一个链接回该word文件的第5页的超链接吗？
浏览 22提问于2020-01-31得票数 0
2回答
如何提取超链接信息PDFBox
、、、、
我正尝试使用PDFBox从PDF中提取超链接信息，但我不确定如何获取
for( Object p : pages ) {
PDPage page = (PDPage)p;
List<?> annotations = page.getAnnotations();
for( Object a : annotations ) {
PDAnnotation annotation = (PDAnnotation)a;
if( annotation instanceof PDAnnotationLink ) {
浏览 34提问于2016-07-26得票数 9
回答已采纳
打招呼！
我试图使用excel vba从OR提取动态超链接，使用excel vba打开工作表中的动态超链接。我可以点击超链接，它将正确打开。到目前为止，我无法找到与如何提取超链接指向的URL有关的任何相关信息，或者只是打开超链接。
下面是用于建立基于模型选择的动态超链接的公式。
=IFERROR(HYPERLINK(VLOOKUP(S.O.P.!$D$3,Models!$C$2:$G$296,4,FALSE), "Click Here to Open Box Label"), "Unable to retrieve part information")
因此，基
浏览 6提问于2016-05-10得票数 0
回答已采纳
第一，我想感谢你观看这个问题:)
我是a 400/JAVA开发的初学者。我想知道如何将假脱机文件列表转换为java，以及如何使用JT400从OUTQ将其转换为PDF。
有人能告诉我或者给我示例java代码吗？
提前感谢！
浏览 4提问于2013-08-17得票数 0
回答已采纳
1回答
请参考
它解释了一个找到pdf超链接及其坐标的算法。我遵循了这篇文章，并编写了我自己的pdf阅读器。它适用于大多数pdf文件，但不适用于一个pdf文件。问题是超链接的坐标不正确。
这是我创建的超链接的pdf文件：
我从Adobe acrobat 10.0创建了一个超链接。这个超链接的原点几乎是(0,0).Then我用这个算法来解析我的pdf文件。令我惊讶的是，rect的结果是：
链接rect = {{63,123}，{173，-158}}
所以当我在屏幕上呈现这个矩形时，它是这样的：
可能的原因是什么？有人能给点建议吗？谢谢
顺便问一下，有没有办法在这里上传我的示例pdf文
浏览 0提问于2012-03-26得票数 0
回答已采纳
我有很多PDF文件，基本上是扫描文档，所以每一页都是一个扫描图像。我想要执行OCR并从这些文件中提取文本。我尝试过pytesseract，但它不直接对pdf文件执行OCR，因此，作为一项工作，我希望从PDF文件中提取images，将它们保存在目录中，然后直接在这些图像上使用pytesseract执行OCR。在python中有没有从pdf文件中提取扫描图像的方法？或者有任何方法可以直接对pdf文件执行OCR？
浏览 1提问于2018-05-26得票数 0
回答已采纳
3回答
超链接位置处的PDF文本提取
、、、、
有没有人知道某种(免费的) SDK，它可以在PDF文档中的超链接指向(同一PDF文档中)的位置开始文本提取？这些链接最终会把我们带到特定页面上的特定点。
更具体地说，我们需要一个程序，可以分析一个pdf文件，其中包含问题和答案的测试(以及每个问题/答案的相关注释)，并只导出相关的部分，我们需要到一个文本文件。
基本上，PDF文档有接近文档开头的测试题，并且在每个问题中都有一个超链接，指向PDF文档另一部分的答案和相关注释。
附注-使用以下语言之一: C++、Java、VB.net、C#.net、javascript P.P.S. -仅限自由软件
浏览 0提问于2010-10-22得票数 3
我正在为一个客户的项目工作，他想要将文档从“”，一个基于web的SharePoint，映射到OneDrive。目标是能够从共享位置检索文件，并在Excel上列出文件名，并能够在Adobe中打开它们(我假设是通过超链接？)。
它也很难理解如何从这个文件夹中检索180+文档，因为它们会分成不同的可查看页面。
该文件夹将不断更新，因此能够检索该文件夹中的所有PDF对于我的时间敏感型分析非常重要。
我可以分享我之前创建的代码，这些代码从静态本地驱动器中提取相同的PDF文档……请让我知道这是否可行。
浏览 0提问于2020-07-31得票数 1
我在我的网站上用ContactBundle做了一个symfony2，但是它不起作用，我不知道它是如何工作的。
namespace Common\ContactBundle\Controller;
use Symfony\Bundle\FrameworkBundle\Controller\Controller;
use Common\ContactBundle\Form\ContactType;
class ContactController extends Controller {
public function indexAction() {
//Création du fo
浏览 2提问于2015-08-13得票数 1
回答已采纳
如何使用python模块从word文档中仅提取段落和表格中的文本，这些文档具有超链接、图像、附加的excel表等对象？
我尝试过docx2python，但它只适用于简单的"docx“文件，而不适用于其中附加了链接或excel文件的文件。
浏览 3提问于2020-06-10得票数 0
2回答
我试图跟随这个博客，尝试从发票pdf文件中提取文本。我的文本提取需要提取发票的特定字段。
我尝试过pdfminer，textract，但它们都将文本提取为杂乱无章的文本，之后很难提取文本。
我偶然发现了下面的Poppler包下载：
看起来像是一个.tar文件。而不是python包。
我不确定如何使用这个.tar文件来解压包并在Python中使用它。
任何建议，我如何在我的mac上安装它，然后在python中以编程方式使用它来运行一堆pdf文件来提取数据。
浏览 24提问于2020-04-24得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
