- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我试图从PDF文件复制文本,但得到一些奇怪的字符。奇怪的是,Okular可以重新识别文本,但不能使用Sumatra PDF或Adobe,这三个应用程序都安装在Windows 10 64位中。为了更好地解释我的问题,这里是视频https://streamable.com/sw1hc。 “文本层解决方法文件”是我得到的一种解决方案。任何帮助是极大的赞赏。问候
最佳答案
简而言之:(原始)PDF不包含PDF规范中描述的常规文本提取所需的信息。根据任务的确切性质,您可以尝试将所需信息添加到现有文本对象和字体中,或者可以使用OCR。
如PDF规范中所述将字符代码映射到Unicode
PDF规范ISO 32000-1(以及类似的ISO 32000-2)描述了一种算法,该算法使用直接在PDF内部可用的信息将字符代码映射到Unicode值。
它在其他堆栈溢出答案中经常被引用(请参见here,here,here,here,here或here),因此在此不再赘述。
本质上,这是Adobe Acrobat在复制和粘贴期间以及许多其他文本提取器中使用的算法。
在不包含文本提取所需信息的PDF中,您最终会在算法中达到这一点:
如果这些方法无法产生Unicode值,则无法确定字符代码代表什么,在这种情况下,合格的读者可以选择他们选择的字符代码。
如果上述算法无法产生Unicode值,会发生什么情况
这是文本提取实现不同的地方,它们尝试通过使用PDF之外的启发式方法或信息或将OCR应用于相关字形来确定匹配的Unicode值。
您尝试过的不同程序返回的结果如此不同,这表明
您的PDF不包含PDF规范中上述算法所需的信息,并且
这些程序使用的启发式方法相关地有所不同,Okular的启发式方法最适合您的文档。
在这种情况下该怎么办
有多种选择,或多或少取决于您的具体情况:
向PDF来源索取包含正确文本提取信息的版本。
除非您与该来源有合同,要求他们以机器可读的形式提供PDF,否则该来源有义务这样做,但是它们通常会被拒绝,但是...
将OCR应用于相关PDF。
取决于OCR软件和PDF中的字形的质量,结果的质量可能令人怀疑。例如在您的“ PDF复制文本问题-文本层workaround.pdf”中,标题“第1章:衍生证券”被识别为“第1章:德拉特证券”。
您可以尝试以交互方式将手动创建的ToUnicode映射添加到PDF,例如如Tilman Hausherr至his answer中"how to add unicode in truetype0font on pdfbox 2.0.0"所述。
根据您要为其创建映射的不同字体的数量,此方法可能很容易需要太多时间和精力...
关于pdf - PDF复制文本问题:奇怪的字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55478339/
我正在编写一个应用程序,允许用户创建一个“问卷”,然后向其中添加问题。我正在使用核心数据来存储信息。我创建了一个问卷实体,并与问题实体建立了“一对多”关系。我的问题是,如果要允许用户复制(复制)整个调
有没有办法复制或复制 SharedPreference?或者我需要从一个变量中获取每个变量,然后将它们放入另一个变量中吗? 最佳答案 尝试这样的事情: //sp1 is the shared pref
下面的(A)和(B)有区别吗? (假设 NON ARC,如果重要的话) // --- (A) --- @interface Zoo : NSObject{} @property (copy) Dog
我正在尝试将 mysql SELECT 查询保存到文件中,如下所示: $result = mysqli_query($db,$sql); $out = fopen('tmp/csv.csv', 'w'
我需要创建一个 CVPixelBufferRef 的副本,以便能够使用副本中的值以按位方式操作原始像素缓冲区。我似乎无法使用 CVPixelBufferCreate 或 CVPixelBufferCr
我在 Source 文件夹中有一个 Active wave 录音 wave-file.wav。我需要使用新名称 wave-file-copy.wav 将此文件复制到 Destination 文件夹。
在使用 GNU Autotools 构建的项目中,我有一个脚本需要通过 make 修改以包含安装路径。这是一个小例子: configure.ac: AC_INIT(foobar, 1.0) AC_PR
我想将 SQL 的行复制到同一个表中。但是在我的表中,我有一个“文本”列。 使用此 SQL: CREATE TEMPORARY TABLE produit2 ENGINE=MEMORY SELECT
谁能给我解释一下 df2 = df1 df2 = df1.copy() df3 = df1.copy(deep=False) 我已经尝试了所有选项并执行了以下操作: df1 = pd.DataFram
Hazelcast 是否具有类似于 Ehcache 的复制? http://www.ehcache.org/generated/2.9.0/pdf/Ehcache_Replication_Guide.
我有以下拓扑。一个 Ubuntu 16.04。运行我的全局 MySQL 服务器的 Amazon AWS 上的实例。我想将此服务器用作许多本地主服务器(Windows 机器 MySQL 服务器)的从服务
使用 SQLyog,我正在测试表中是否设置了正确的值。我尝试过 SELECT type_service FROM service WHERE email='test@gmail.com' 因此,只输出
有人可以提供一些关于如何配置 ElasticSearch 进行复制的说明。我在 Windows 中运行 ES,并且了解如果我在同一台服务器上多次运行 bat 文件,则会启动一个单独的 ES 实例,并且
一 点睛 ThreadGroup 复制线程的两个方法。 public int enumerate(Thread list[]) // 会将 ThreadGroup 中的 active 线程全部复制到
一 点睛 ThreadGroup 复制线程组的两个方法。 public int enumerate(ThreadGroup list[]) // 相对于 enumerate(list,true) pu
官方documentation Cassandra 说: Configure the keyspace and create the new datacenter: Use ALTER KEYSPAC
This question already has answers here: How to weight smoothing by arbitrary factor in ggplot2? (2个答
我们有一个表格来表明对各种俱乐部的兴趣。输出将数据记录在 Excel 电子表格中,其中列有他们的首选姓名、姓氏、电子邮件、代词,以及他们感兴趣的俱乐部的相应列中的“1”(下面的模型)。 我们希望为俱乐
This question already has answers here: Closed 8 years ago. Possible Duplicate: In vim, how do I get
如何复制形状及其所在的单元格?当我手动复制时,形状会跟随单元格,但是当我使用宏进行复制时,我会得到除形状之外的所有其他内容。 Cells(sourceRow, sourceColumn).Copy C
我是一名优秀的程序员,十分优秀!