我正在使用pdf.js。获取带有字体信息的块的文本 str: "blabla", width: 191.433141, transform: Array[6], }
是否有可能以某种方式获得更多关于g_d0_f2的信息。
浏览 2提问于2016-11-17得票数 2
回答已采纳
我试图使用Python中的pyPDF包读取下面链接上的PDF文档。我使用了以下代码来读取PDF： import os from pyPdfPdfFileReader
filename = os.path.abspath('F:/KG/per/Entr/equity research Text mining tool&
浏览 3提问于2015-08-03得票数 0
回答已采纳
1回答
如何使用jupyter实验室从pdf文件中读取和提取表格？
一个典型的pdf文件与文本之间的文字字幕和表格。我需要编码来提取特定标题下的表格，并清理一些不需要的文本，比如页码。
浏览 3提问于2022-09-19得票数 -1
有没有免费的Java库可以从PDF中提取文本，与Google应用程序引擎兼容？有没有其他方法可以从PDF中提取文本？我试过，不幸的是他们不能正确处理非英文字符。
浏览 6提问于2010-03-28得票数 2
回答已采纳
1回答
我需要从pdf中提取一段文字。本文具有与特征相同的字体族。有什么想法吗？干杯
编辑：，让我用另一种方式问这个问题:我如何才能从pdf页面中提取出“粗体”文本？
浏览 1提问于2013-09-18得票数 1
1回答
波斯文件的PDFBOX
、、、、
我想使用pdfBox从波斯语pdf文件中提取测试，但是它返回所有波斯字符的"?" (它正确地返回同一文档中的拉丁单词)。
我怎么才能修好它？有什么建议吗？
浏览 3提问于2018-08-29得票数 3
我有一个PDF，其中包含表格，文字和一些图像。我想从PDF文件中的任何位置提取表格。
PDFfilename = "Sammamish.pdf" #filename of your PDF/directory where your PDF is st
浏览 4提问于2017-11-28得票数 47
回答已采纳
我试图使用PDFMiner从一个外文PDF文件中提取文本，但是被一个ToUnicode语句所挫败。即使在普通PDF查看器中，该文件的行为也很奇怪。例如，下面是文件中一些文本的截图：但是，如果我选择并复制文本，则如下所示：您可以看到几个字符已经更改，特别是第二到最后的字符。
毫不奇怪，PDFMiner提取了不正确的文本。但是每个PDF查看器都能正确地显示这些数据。我怀疑问题要么是ToUnico
浏览 2提问于2015-02-23得票数 5
回答已采纳
1回答
我的项目是关于的。我的网站是基于翻译文件和书籍等。客户上传他的源文件为pdf，在后端，字数的pdf应该由一个OCR来确定最终的价格，所以单词的计数是非常重要的。主要的问题是OCR的波斯文字有问题。你怎么能帮我解决这个问题？
浏览 0提问于2019-12-03得票数 0
回答已采纳
1回答
我使用这里的脚本从svg字体中提取路径，然后将文本(象形文字)放置在svg中，然后将其拉到PDF中。我的问题是，象形文字的基线在0，这是我的svg的开始，所以我只看到了字形的下降。我只是钻研svg，因为这和它的安全说，我有点迷路。我这样做是为了使最终的PDF文件能够概述文本，而不需要将字体嵌入到pdf中
浏览 5提问于2013-08-02得票数 2
回答已采纳
1回答
我有一个叫PDF2XL的软件，它通常是很好的提取数据表的文件。我以前在数百个文件中使用过它。如果我按照正常方式复制并粘贴到excel/记事本中，也会遇到同样的问题。
我猜这与PDF文件中乱七八糟的字符编码标题有关？我怎样才能改变这一点？我在Windows上，没
浏览 2提问于2011-11-08得票数 3
我有一个PDF，其中包括文字和图像。我想使用linux命令行从PDF中提取图像。我可以使用pdfimages提取图像，但我也希望在每个页面上找到该图像所在的位置。pdfimages可以告诉我每个图像的页面(从文件名)，但是这就是它给我的全部。还有其他牙线工具可以做到这一点吗？
浏览 4提问于2011-01-03得票数 16
我的项目是发送带有pdf附件的电子邮件。我所有的pdf是在一个文件夹中的谷歌驱动器，我需要寻找特定的pdf相关的特定客户。pdf只包含文字和客户号码。因此，我需要一个脚本，以提取文本从pdf到字符串，并研究这个字符串，以确定它是否包含客户编号。function myFunction() {
// Creates a new file and
浏览 4提问于2014-05-13得票数 0
1回答
我试图提取的pdf以及10k表单(以html格式)使用Scrapy。为了提取它们，我使用以下css选择器：most_recent = response.css("div.view_btn > a::attr(href)").getall()，它按预期返回['/Click但是pdf和html的url在每个相对的url中。刮伤怎么能得到绝对和“正确”的url？(“更正”url
浏览 1提问于2021-08-28得票数 1
回答已采纳
我已经提取文本从pdf (使用pdfplumber)到txt，但有一些空格之间的文字不在PDF文件中。
我曾尝试使用"Previous_word“+ "current_word”组合来nltk查找单词，并检查NLTK.words中是否存在这些单词，以找出单词之间有额外空格的位置，但效果不佳。
浏览 11提问于2021-03-15得票数 0
1回答
我正在寻找一个命令行工具，可以拼写检查一个PDF文件，可以运行在Linux上。如果可能的话，我希望这个工具能够接受一个自定义字典。我知道这个问题已经有了一些提示图形拼写检查工具的答案，但是我想要一个可以从命令行中使用的工具，这样我就可以自动化这个过程了。
浏览 0提问于2021-02-24得票数 0
回答已采纳
我在使用Android中的PDFBox从文档中提取文本时遇到了一些问题。但是解析器似乎工作得很好(或者至少，我把它解释为这个意思；谷歌"parsed=COSObject“没有给出相关的结果，不幸的是(对于某些文档，logcat是垃圾邮件，似乎没有办法关闭这个putput))getCharactersByArticle返回该文档的空输出，即。向量列表是空的。对于我尝试过的大多数其他文档，文本提取工作得很
浏览 4提问于2017-11-14得票数 0
回答已采纳
嗨，我有一些pdf的，我需要他们的文字信息被提取。我使用了以下代码：pdfReader = PyPDF2.PdfFileReader(pdfFileObj)pageObj.extractText()‘\n\n\n’
然而，这段代
浏览 13提问于2019-08-19得票数 0
2回答
我有不同类型的pdf，其中包含多个东西，如文字，表格等。该表可能存在任何地方的pdf(顶部，中部，底部)。我只想提取表数据(否)。列上的，不。在不传递位置的情况下使用java从pdf中提取行和表中的数据。
我使用iText java来读取和提取。没有得到任何线索，以确定哪些表格存在于pdf中
浏览 12提问于2017-03-31得票数 1
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
腾讯会议
云直播活动推荐
腾讯云开发者
