如何从pdf文件中提取图像和文本？
如何从pdf文件中提取图像和文本？
提问于 2016-12-13 07:15:06
我需要构建一个工具，从pdf中获取文本和图像，并将其呈现在响应性的HTML文件中。我不需要保持元素的位置，但排序很重要。
我面临的问题是从pdf文件中提取文本和图像。
我尝试过一些将pdf转换成html的工具，但是这些工具更多的是面向文件的视觉再现(绝对定位，段落分割成行)。我需要一些东西为我提供一个段落和图像的饲料。
有什么想法吗？我也不介意看付费工具。
谢谢!
回答 4
Software Recommendation用户
发布于 2016-12-23 13:59:25
如果商业SDK是您的选择，您可以查看LEADTOOLS文档转换器。免责声明:我是本产品的员工。
LEADTOOLS的文档转换器SDK允许您转换到任何文档或光栅图像格式，如：
- Adobe Acrobat PDF和PDF/A Microsoft Office DOC/DOCX、XLS/XLSX、
- PPT/PPTX、PST、EML、MSG和XPS格式的CAD格式，如DXF、
- DWG，DWF TIFF，JPEG，PNG，EXIF，BMP和数百个光栅
- 图像格式纯文本、RTF、HTML、MOBI、ePUB和更多IBM，
- MO:DCA、IOCA和PTOCA
还有一个免费60天评估，这样你可以在购买之前试一试。
免责声明:我是本产品的员工。
Software Recommendation用户
发布于 2017-03-02 12:11:35
Apache应用程序可以从PDF文档中提取测试和图像。它是免费的软件，易于使用。
Software Recommendation用户
发布于 2016-12-14 07:37:53
免责声明:我作为产品经理为Datalogics工作，负责构建这样的产品。
有很多工具是用来将PDF转换成HTML的，你真的需要自己构建一个吗？还是你在找什么能做你想做的事？要求有点模糊。
如果你想要构建一些东西，帮你自己一个忙，得到一个可靠的SDK与PDF一起工作，并通过提取文本和图像。有许多SDK可以帮助您(按公司名称排序)。
- BCL技术easyPDF SDK
- 数据表学
- iText
- 实心文件
如果您正在寻找一个为您执行PDF到HTML转换的工具，根据您所要求的内容，您应该可以获得90%的路径，请查看我们的PDF炼金术士产品。它不使用绝对定位，并按读取顺序重新构造文本(即使这不是PDF中存储的方式)。另一个选项是PDFix，我不记得他们是否使用绝对定位(或者是否有关闭绝对定位的选项)。
页面原文内容由Software Recommendation提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://softwarerecs.stackexchange.com/questions/38115
复制相关文章
相似问题
腾讯云开发者
