2回答
为什么我用魔杖从pdf中提取图像jpg，它会在文本上变成黑色背景？
python、ocr、rgb、cmyk、wand
我对一些pdf文件有问题。我需要将它们转换为jpg图像，使它们可用于OCR，但当我转换其中的一些，魔杖转我的jpg在那里有一个黑色的背景文本。我看到这是一个关于空间颜色的常见问题。这似乎发生在word转换为pdf文件的文件中，其中空间颜色变成了CMYK。Tesseract OCR仅接受空间颜色RGB。我已经写了一个可以转换的python脚本，但我想解决这个问题。你能帮我一下吗？原页pdf ? 已将pdf转换为jpg
浏览 51提问于2019-04-22得票数 1
回答已采纳
3回答
将扫描的PDF转换为可搜索的PDF ( R)
r、pdf、tesseract、pdftools、ropensci
我正在尝试使用tesseract和pdftools包将一系列扫描的PDF转换成可搜索的PDF。我已经完成了两步。现在我需要写回一个可搜索的pdf。读取扫描PDF
eg <- download.file("https://www.fujitsu.com/global/Images/sv600_c_automatic.pdf",
浏览 22提问于2021-09-01得票数 1
2回答
PDF和文本层
pdf、ocr、scanning
根据这个站点的，当添加一个文本层时，PDF是可搜索的。如果扫描仪在图像上执行OCR，它是否将文本存储在“文本层”中？或者是&qu
浏览 2提问于2012-07-10得票数 15
回答已采纳
2回答
如何在R中逐行读取PDF？
r、pdf、text-mining
我使用pdftools包中的read_pdf()函数逐行读取PDF文件，但突然之间，它没有改变脚本、任何参数或行中的任何内容，而是开始读取整个页面，而不是逐行分隔元素。我怎样才能让它回到逐行分离？
浏览 8提问于2022-09-30得票数 0
回答已采纳
3回答
使用R在PDF中存储Tesseract输出
r、pdf、ocr、tesseract
我正在尝试使用R接口来测试tesseract来创建一个包含嵌入式文本的PDF文件。我已经看到了前面的问题，但是它是关于使用命令行接口进行tesseract的。这个问题是关于R界面的。我将tessedit_create_pdf选项设置为1，但没有得到新的pdf文件。我没有看到设置输出文件的选项。如何使tesseract创建一个带有嵌入式文本的pdf？下面的代码在内存中生成很好的文本，但是没有PDF文件。tesseract(language = "eng"
浏览 9提问于2021-08-29得票数 1
1回答
使用R突出显示PDF文件中的文本
r、pdf
我想用R高亮显示PDF文档中的一些文本，我想搜索PDF文档中的一些文本，如果找到的话突出显示文本。我在寻找能做到这一点的包裹。有没有一种方法，我们可以突出显示一个PDF文件使用R？
浏览 2提问于2017-03-08得票数 2
2回答
如何将PDF转换为JSON/EXCEL/WORD文件？
java、excel、pdf、ms-word、ocr
我需要从pdf文件中获取数据及其标头，以便进一步与DB数据进行比较 我试着使用pdfbox，google vision ocr，itext，但是所有的库都没有结构和头文件。示例: Date\nNumber\nStatus\n12\12\2020\n442334\delivered 我会尝试将pdf转换为excel/word并从中获取数据，但为了实现这一点，我需要读取pdf并将数据写入excel/word。如何获取带headers的数
浏览 54提问于2020-04-17得票数 0
回答已采纳
1回答
按行而不是按列从pdf文件中读取表
python、pdf、datatables、pdf-scraping
我正在尝试从PDF文件中提取所有文本。我正在使用在线PDF，其中包括表格。这段代码可以工作，但是，当它到达PDF中的表格时，表格中的文本是按列而不是按行打印的，这会弄乱我的数据。我仍然需要PDF中的所有文本一起打印。我使用的是python。
浏览 15提问于2020-07-01得票数 0
4回答
如何在c#中将PDF文件转换为WORD文件
c#、.net、pdf、ms-word
有没有人知道一个.Net组件，可以通过编程将PDF转换为Word或RTF？我不想使用OCR和Adobe相关解决方案。
浏览 1提问于2011-04-20得票数 7
3回答
如何在没有microsoft.office.interop的情况下将PDF转换为文档？
c#、pdf-generation、ms-office、openoffice.org、doc
我需要转换成.doc文件使用C#的PDF文件。虽然这台计算机没有安装Office，但它没有文件系统。有没有什么好办法让我这么做呢？我做了一些研究，大多数人都在使用互操作服务。
浏览 2提问于2011-04-23得票数 0
回答已采纳
1回答
pytesseract无法使用OCR识别图片中的数字
python-3.x、python-tesseract
我正在尝试使用Python-tesseract通过光学字符识别(OCR)从这个(picture)中提取数字。由于某些原因，pytesseract无法识别数字，我不完全理解原因(数字之间的距离？)。有人可以帮助我理解如何正确地从这张图像中提取数字吗？
浏览 63提问于2019-03-15得票数 0
1回答
在PDF中用python执行OCR有可能吗？
python、pdf、ocr、autodesk-bim360
在PDF中用python执行OCR有可能吗？我正在尝试构建一个程序，从每一个PDF表格中提取一些信息，比如Autodesk BIM360所做的事情。
浏览 6提问于2022-05-26得票数 -2
1回答
上传pdf文件与gdata docs python v3.0与ocr
python、pdf、ocr、gdata、gdata-api
我已经获得了以下用于将pdf文件上传到google docs的实现(取自gdata API示例)： """Upload a document,doc = gdata.docs.data.Resource(type='document', title='My Sample Doc')
print 'C
浏览 0提问于2011-12-31得票数 2
回答已采纳
1回答
无法使用TIKA提取文本
java、parsing、apache-tika
我们有一个pdf，这是一个手写的文件，并使用扫描仪转换为pdf。我正在使用TIKA 1.13，但无法从这样的file.After解析中提取文本，我只能得到"\n\n“作为文本。
浏览 21提问于2016-09-16得票数 1
2回答
ITextSharp在C#中无法读取pdf中的文本
c#、pdf、itextsharp
我有两个pdf文件。在Sercurity选项卡上，两个文件都设置了Security方法:无安全性和文档程序集:不允许，页提取:不允许。其他项目是允许的。我使用standart ITextSharp方法从pdf中检索文本：
for
浏览 4提问于2014-05-21得票数 0
回答已采纳
4回答
是否有任何web应用程序可以将PDF转换为word (或html)，并为表提供良好的支持？
webapp-rec、pdf
是否有一个web应用程序可以将PDF文件转换为word (或html)文件，包括恢复表？(我希望将PDF规范转换成我可以用来驱动系统测试的格式)
我还没有接受一个答案，如果有人想写一个答案，比较不同的选择，我会接受它。
浏览 0提问于2010-07-17得票数 1
回答已采纳
2回答
使用此OCR保存代码将djvu转换为pdf麻烦
pdf、convert、ocr、djvu
我想在保存OCR的同时将djvu转换成pdf。这个页面描述了如何做到这一点，但是我得到了一个空白的html文件。" content="djvu2hocr 0.7.9" />
<meta name="ocr-capabilities" content="ocr_carea ocr_page ocr_par ocrx_blockocrx_line ocrx_wor
浏览 0提问于2013-03-25得票数 1
1回答
如何将jpg文件目录转换为以文件名为书签的pdf？
pdf、pdftk、bookmarks
如何将它们转换为一个将文件名作为书签的pdf文件？
(我最终也想加入ocr。如前所述，我们可以使用.jpg将.pdf文件转换为img2pdf .jp --output combined.pdf，然后可以使用ocrmypdf combined.pdf combined_ocr.pdf添加ocr。我的问题主要是如何确保pdf文件有书签(由文件名创建)
浏览 0提问于2021-09-23得票数 0
1回答
PDF Store文本如何
pdf、pdf-generation、text-extraction
我试图更好地理解PDF是如何存储文本的。一般来说，当从MS Word (在我的例子中是SQL Server Reporting Services)之类的应用程序创建PDF时，PDF如何存储文本？我希望在这种特定场景中，生成的文档不会像从图像创建原始PDF文档那样经过OCR处理。
为了获得更多的细节，我正在尝试了解PDF的文本提取器是如何工作的。我最初对PDF的理解是，它存储了(PostScript)
浏览 2提问于2013-03-26得票数 9
回答已采纳
云服务器
ICP备案
对象存储
云点播
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号