我发现，当我将一个包含大量文本的pdf文件转换成EPUB格式(例如书籍)时，它们会在同一句话之间被分割成段落，我使用过-量程，Toepub.com和许多在大坏网站上可以找到的网站;-)。
浏览 0提问于2019-11-14得票数 0
我有一个pdf，大约50页扫描表。我需要最终把它刮到R中，这样我就可以清理数据并将其导出为.csv。环顾在线，我所能得到的最远就是将扫描的pdf作为一个字符对象读取到R中，但这会使格式发生很大的变化，因此表中的列都错对齐了，并出现了无序。有没有一种方法可以将扫描的pdf转换成可读的pdf，这样我就可以在tabulizer中抓取它了？还是另一种将扫描的pdfs抓取到表中的方法？
浏览 5提问于2022-11-16得票数 0
1回答
我在Dolphin服务菜单文件中有这一行，该文件包含用于PDF处理的许多其他命令：它的优点是提供表单MY_PDF_ocr.pdf的输出文件，从而保留输入文件的名称。为此，我可以用这句话：
Exec=konsole --noclose -e ocrmypdf "%u&
浏览 0提问于2022-11-30得票数 0
回答已采纳
我一直在尝试从扫描的PDF中提取文本(具有不可选文本的图像)。我想要的信息，包含日期，发票编号从pdf链接()。from PIL import Imagepage = pdf_reader.getPage
浏览 2提问于2020-05-27得票数 1
回答已采纳
我只是不知道该怎么做。OCR.bat" 2>&1 &');编辑:执行删除：unlink("temp/1.pdf");和unlink("temp/2.pdf"
浏览 2提问于2018-11-13得票数 0
回答已采纳
2回答
我开始了一个完整的爬行，当我使用搜索时，我正在返回PDF搜索。这是一个很大的变化，从以前的PDF内容搜索是不存在的。目前，业务部门已经注意到，对于某些词，他没有找到合适的PDF。从所有迹象来看，似乎对于某些PDF，并不是所有的词都有索引。有人能帮忙吗？
浏览 0提问于2012-08-20得票数 0
回答已采纳
3回答
到目前为止，我只想将扩展从".pdf.OCR.pdf“更改为".pdf”，我得到了以下代码但是它似乎不适用于有多个点的扩展--我做错了什么？
浏览 5提问于2015-08-27得票数 1
回答已采纳
我目前正在使用扫描仪将我的PDF转换为可搜索的PDF。OCR已经处理好了，因为我可以在PDF中使用ctrl-f。
但是，我如何才能从我的程序中获取OCR的内容。是否可以通过读取文件来公开访问OCR文本？
浏览 1提问于2011-12-15得票数 0
我想写一个工具，帮助我在linux中搜索pdf/chm/djvu文件。有什么关于如何去做的建议吗？
主要问题是从所有这些文件读取/导入数据。这可以用C和shell脚本来实现吗？
浏览 1提问于2008-08-30得票数 3
3回答
我试图使用Tesseract OCR在多个大pdf文件上执行OCR (~400-600页)。我不一定要从所有页面中提取文本，但我只想要几页(页码已知)。PDF文件似乎已经在上面执行了某种OCR，但这不是一个好工作。0].show()这就是输出应该是什么样子：
我确实认为在PDF上进行的OCR在这里引起了一些问题。我不知道怎么绕过它，有人能帮忙吗？
我也尝试了OCR，手动将页面转换成图像(剪短工具)，<
浏览 10提问于2021-06-06得票数 2
1回答
由于安全原因，我无法上传PDF文件，但可以创建一个内容复制设置为不允许的pdf文件，然后尝试对此文件执行OCR。OCR返回一个错误，指出文件受密码保护或类似的东西。谁能告诉我有没有一种方法可以对这样的文件执行OCR？
浏览 5提问于2020-07-19得票数 2
3回答
如何将PDF的内容以字符串的形式快速读取。我想稍后过滤这个字符串并从中获取特定的文本元素。PDF来自一个url，我将它加载到一个web视图中并使用NSURL扩展来缓存它。我怎样才能获得这个网页，并阅读网址的内容。var urlAsString = String(contentsOfURL: NSURL(string: "http://web.shschools.org/shpid/pdfs/WXS5N48Z.pdf, encoding: NSUT
浏览 14提问于2015-08-02得票数 0
回答已采纳
2回答
我们有许多pdf文件，它们都是解锁的，它们都有文本、图片等，每次我们必须打开adobe上的文件并手动打开它们时，我想也许有一个更好的方法来处理PowerShell，如果不是的话，我们必须做超过1000个文件
浏览 7提问于2021-12-22得票数 -2
回答已采纳
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
我试图将"pdf“或"html”文件直接传递到lambda函数中。但是我不明白它应该以什么正确的格式接收？我能够理解如何使用以下代码通过lambda函数传递“图像”文件:但是如何发送pdf或html文件呢？(img): return ocr_text
except Ex
浏览 1提问于2020-05-06得票数 0
回答已采纳
1回答
在编写文本文件之后，我想编写一个脚本，它运行一个命令到OCR pdfs，它删除结果图像。time find .所以,
编辑：
解决问题
浏览 1提问于2017-07-11得票数 1
我有一个电子邮件与扫描的.pdf附加在我的Gmail帐户。当我点击“查看”，我看到谷歌有OCRed它。当我单击“下载”时，PDF是原始的，即不包含OCRed。如何通过谷歌下载内容为.pdf的OCRed文件？
浏览 0提问于2012-11-26得票数 2
2回答
我可以使用evince文档查看器使用文本查看pdf图像，但是我不能选择图像中的文本来复制和粘贴。如何在pdf文件中从图像中复制文本？
浏览 0提问于2014-09-19得票数 0
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
