pdf - 分析pdf文件的格式并提取文本和图像

Question

Closed. This question needs to be more focused。它当前不接受答案。












想改善这个问题吗？更新问题，使其仅关注 editing this post一个问题。

3年前关闭。



Improve this question




我需要从这本同时包含文字和图像的杂志中提取“文章”。图像内容必须单独放置，提取文本(尽可能)并分开放置。

我该怎么做？是否已经有商业服务/ api？程序/服务的输入将只是文件。

例如，输入: http://edition.pagesuite-professional.co.uk/pdfspool/rQBvRbttuPUWUoJlU6dBVSRnIlE=.pdf

(实际文件将是普通的pdf文件，而不是安全文件)

最佳答案

Docotic.Pdf library可以为您从PDF文件中提取图像和文本。
这是您的任务的几个示例:

Extract text from PDFs

Extract images from a PDF

提取的图像可以另存为JPEG和TIFF。您可以从每个页面或整个文档中提取文本。您可以提取文本块及其坐标。
免责声明:我为图书馆供应商Bit Miracle工作。

关于pdf - 分析pdf文件的格式并提取文本和图像，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5879174/

上一篇：wpf - 如何在 WPF dataGrid 中的 TAB 键上添加新行

下一篇：prolog - 将语句转换为序言代码

相关文章：

php - Apple Mail 不显示使用 Zend_Mail 发送的 PDF

python - 如何提高 EasyOCR 的准确性/预测？

Java静默PDF(标签)打印机

linux - 在这种情况下，在 Linux 中如何从文件中的字符串中提取数据？

python - 在python中使用PDFMiner从PDF文件中提取文本？

java - 难以从新闻网页中提取主要内容

python - 从笔记本中提取文本

python-2.7 - 如何将 jupyter 输出保存到 pdf 文件中

java - 有没有可以从给定坐标中提取文本的PDF解析库？

c++ - 如何处理PDF文件中的9位字符串？

Answer 1

Docotic.Pdf library可以为您从PDF文件中提取图像和文本。
这是您的任务的几个示例:

Extract text from PDFs

Extract images from a PDF

提取的图像可以另存为JPEG和TIFF。您可以从每个页面或整个文档中提取文本。您可以提取文本块及其坐标。
免责声明:我为图书馆供应商Bit Miracle工作。