回答情况：
提问时间：
问题标签：
1回答
中选择pdf文件的路径。private static final int DIALOG_LOAD_FILE = 1000;Button b1 = (Button; }
tv.setT
浏览 0修改于2018-04-26得票数 0
回答已采纳
你知道有什么库可以让我提取一个A类型的pdf格式的文本，然后用PHP阅读它吗？
我试过很多库，但没有一个能够读懂我需要帮助的内容
浏览 2修改于2019-08-06得票数 2
我使用pypdf从pdf文件中提取文本。问题是pdf文件中的表没有被提取出来。我也尝试过使用pdfminer，但我遇到了同样的问题。
浏览 0提问于2013-07-08得票数 1
回答已采纳
2回答
现在，我从用户指定的PDF文件中提取此输入。我正在使用PdfBox进行文本提取。我遇到的问题是，PDF文件可能包含表格、方程式和特殊符号，所以PdfBox提取的文本在很多地方都包含垃圾。我想知道PDF是否有特定的表格格式，这样我就可以到达根级别，并在提取时排除它们。此外，在许多情况下，提取的文本包含呈现为“？”的未知字符。虽然在实际的PDF中，它们看起来是普通的字母表。简而言之，我想要的是从PDF文件中提取<
浏览 2提问于2012-03-27得票数 0
1回答
我试图从PDF文件中提取文本：，但是我从一个页面中得到的文本还不到一半。PdfTextExtractor.GetTextFromPage(reader, 1, new SimpleTextExtractionStrategy())
该文件最初是从Microsoft Reporting Service (我没有访问权限)中生成的，我提取了一个页面用于测试文本提取
浏览 2修改于2016-11-18得票数 1
我遇到卡米洛特图书馆的问题我想问题是字符串是如此长的到达表边框。
PDF输出布局我的输出被解析为"70\/140 A ALT5860\n12 V\n90 A""ALT4945\n24 V 70\/140 A"
&
浏览 1修改于2019-11-21得票数 3
情景：我有一个使用版本1.6的PDF。在PDF中，有几个流。在这些流中有压缩文本(Flate)，所以我对这些流进行了解压缩。在此之后，我提取了相应的解压缩流的Tj部分。此外:是否可以从这些字符串中提取纯文本，或者我是否需要进一步的信息来提取纯文本？
进一步研究：PDF，我尝试分析iTextSharp生成的地方(似乎是用于生成PDF的C#库)。
浏览 1提问于2017-02-14得票数 1
回答已采纳
尝试对PDF文件使用更新/提取时出现异常我可以浏览到solr/adminuprefix=attr_&fmap.content=attr_content&commit=true" -F "file=/path/to/my.pdf"java.lang.NoClassDefFoundError
浏览 5修改于2011-12-09得票数 0
回答已采纳
/perl/bin/perl -wuse CAM::PDF::PageText;
my $pageone_tree = $pdf->getPageContentTree(2);
$text = CAM::PDF::PageText->render($p
浏览 10修改于2015-08-01得票数 2
我试图解决的一般问题是确定大量PDF中有多少文本与不同的字体相关联。我知道我可以使用pdftotext从PDF中提取文本，使用pdffonts提取字体信息，但我不知道如何将它们链接在一起。我有100,000+的PDF文件要处理，所以需要一些我可以针对程序(我不介意一个商业解决方案)。
浏览 15提问于2018-08-24得票数 1
我需要将PDF文档转换为HTML。我可以在下面实现的地方。2-提取图像5-将配色方案应用于HTML页面。
任何帮助都将不胜感激。
浏览 0修改于2013-02-26得票数 0
在使用apache PDFBox从PDF中提取数据时，我面临一些问题。使用PDFBox 1.1版本，我能够正确地提取数据。但是相同的代码提供了版本1.3.1的不同输出。只有少数PDF，我面临这个问题。代码样本PDFTextStripper stripper = new PDFTextStripper
浏览 1提问于2011-03-11得票数 0
我已经研究了从pdf中提取文本/数据，并使用了其他一些堆栈溢出答案来帮助我，我设置的是Tika通过一个自定义的ContentHandlerDecorator解析pdf，它使用sax事件来解析内容。我遇到了一个问题，当在pdf查看器中查看pdf时，它包含一个按行和列排列的数据表，但这些信息似乎不是从PDF中开始提取的，或者是我不知道如何使用tika / sax找到它。很抱歉我不能提供pdf，但我正在寻找任何关于这些额外的格式化
浏览 9提问于2019-09-11得票数 1
1回答
有没有办法获取扫描的PDF图像，并通过突出显示所需的字段来从图像中提取数据？我们每天扫描数以千计的房地产契约的PDF图像，并希望能够自动化的数据输入过程。我们面临的问题是，没有两件事是相同的。
浏览 0修改于2015-11-24得票数 0
8回答
我将(相同的)数据保存为GIF图像文件和PDF文件，并希望将其解析为HTML或XML。这些数据实际上是我校食堂的菜单。这意味着有一个新版本的文件，必须分析每周！我阅读了一些关于堆栈溢出的文章，并开始尝试将表数据解析为HTML/XML：
我在用PDFBox解析PDF文件时得到了最好的结果，但是(因为菜单每周都有变化)，它还不够可靠。
浏览 10修改于2017-05-19得票数 12
1回答
3 begincidrange <8140> <817e> 633 endcidrange 如何为我自己的数据制作一个CMAP？，什么是3中的入门级，<20> <7e>是什么？谁能举个例子
浏览 1提问于2010-05-23得票数 3
我有一个PDF文件，其中包含彩票获奖者，我想提取所有中奖根据他们的奖品。/test11.pdf") as pdf: page_text = pdf.pages[i].extract_text
浏览 14提问于2022-03-19得票数 0
回答已采纳
我使用以下VBA将PDF数据复制到Excel工作表，并使用Word转换该数据： Dim o AsProgram Files (x86)\Adobe\Acrobat Reader DC\Reader\AcroRd32.exe C:\Users\User Profile Name\Desktop\Book1.pdf2.ActiveDocument.Close SaveChanges:=wdDoNotSaveChanges
浏览 0修改于2018-05-21得票数 1
我有大量的PDF文档，我需要从中提取文本。用于进一步处理的提取文本。我以线性的方式使用Tesseract API对一小部分文档进行了这一操作，并获得了所需的输出。我已经搜索过，但没有成功地尝试了几个选项，比如：
我通过使用Hadoop Reduce将FileInputFormat类扩展到我自己的PdfInputFormat类来从pdf中提取文本，为此我使用ApachePDFBox从PDF中提取文本，但是当涉及到包含图像的扫描-pdf时，这个解决方案
浏览 4提问于2017-06-17得票数 0
回答已采纳
(我知道pdfplumber主要是针对计算机生成的PDF。然而，在我花几天时间从扫描的PDF文件中手动输入数据之前，我想我应该问问pdfplumber是否能以某种方式帮助我。)我的问题是：示例：我第一次用pdfplumber解压表格的尝试没有成功。例如：page
浏览 9提问于2021-11-18得票数 0
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