书籍pdf怎么提取文字
书籍PDF提取文字可以通过以下几种方式实现：
- 使用OCR技术：OCR（Optical Character Recognition，光学字符识别）技术可以将PDF中的文字转换为可编辑的文本。通过使用OCR软件或在线OCR服务，可以将PDF中的文字提取出来。腾讯云提供了OCR接口，可以通过调用腾讯云OCR接口实现PDF文字提取。腾讯云OCR接口支持多种语言的文字识别，包括中文、英文等。
- 使用PDF阅读器软件：许多PDF阅读器软件（如Adobe Acrobat、Foxit Reader等）都提供了文字提取功能。通过打开PDF文件并选择相应的文字提取工具，可以将PDF中的文字复制到剪贴板中，然后粘贴到其他文本编辑器中进行编辑和保存。
- 使用编程语言和库：使用编程语言（如Python）和相关的库（如PyPDF2、pdfminer等），可以编写程序来提取PDF中的文字。这种方式需要一定的编程能力，但可以实现自动化的批量提取。
- 使用在线转换工具：有许多在线转换工具可以将PDF转换为可编辑的文本格式（如TXT、DOC等），从而实现文字提取。通过上传PDF文件并选择相应的转换选项，可以将PDF中的文字提取出来。
总结起来，提取书籍PDF中的文字可以通过OCR技术、PDF阅读器软件、编程语言和库、在线转换工具等多种方式实现。具体选择哪种方式取决于个人需求和技术能力。腾讯云提供了OCR接口，可以通过调用腾讯云OCR接口实现PDF文字提取。
相关·内容
1回答
我想提取元数据(标题、作者、发布日期等)从pdf文件中，我知道它们是书籍或文章。有没有书籍和文章的模板？在解析的时候，我怎么知道我找到了正确的东西呢？我可以使用哪些工具或库？
关于我的问题，有一个问题：
浏览 0提问于2016-06-30得票数 0
1回答
目前我这样做： export const CValidEbookTypes = ['epub', 'mobi', 'pdf', 'azw3', 'txt', 'rtf'];
export type IEbookType = 'epub' | 'mobi' | 'pdf' | 'azw3' | 'txt' | 'rtf'; 拥有一个有效书籍类型的数组和一个typescript类型，它定义了它们。这看起来非
浏览 16提问于2020-08-22得票数 1
回答已采纳
5回答
从PDF中提取所有内容
、、、
寻找从PDF文件中提取内容的解决方案(使用控制台工具或库)。
它将在服务器上使用，从上传的PDF文件生成在线电子书.
需要提取以下内容：
带有字体和样式的文本；
图像；
音频和视频；
链接和热点。
页面快照和缩略图；
一般PDF信息，如书籍布局，页数等。
看看(5000美元)，BCL (?)，PDFLib (795欧元)，QuickPDF (250美元)
现在我们使用的是开源pdf2xml (提取文本、图像和链接)和GhostScript (快照和缩略图)。剩下的其他事情是：
字体；
多媒体；
热点；
页面信息。
我们在支付很多钱(可能是
浏览 7提问于2009-11-12得票数 8
回答已采纳
1回答
(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：
我已经扫描了历史书籍中的PDF文件。
示例：
现在，我正在尝试从扫描的PDF中提取表格(示例中右下角的表格)。
我第一次用pdfplumber解压表格的尝试没有成功。
例如：
with pdfplumber.open('test.pdf') as pdf:
page = pdf.pages[0]
tables = page.extract_tables()
print(tables)
返回
浏览 9提问于2021-11-18得票数 0
1回答
从PDF中提取文本时出现异常字体
、、、、
我一直在尝试从PDF文件中提取文本，大多数文件似乎都工作得很好。但是，有一种特殊的文档具有这种不同寻常的字体的文本： 我尝试过使用PHP和Python进行解压，但都无法修复此字体。我尝试复制文本，并试图看看我是否可以得到它在文本编辑工具，但不能做much.Please注意，原始的PDF文件看起来很好，但当文本被复制和粘贴在文本编辑工具中，字符之间的间隙开始出现。我完全不知道该怎么办。请建议使用PHP/Python (最好是PHP)解决此问题。
浏览 30提问于2020-07-07得票数 1
回答已采纳
1回答
波斯文件的PDFBOX
、、、、
我想使用pdfBox从波斯语pdf文件中提取测试，但是它返回所有波斯字符的"?" (它正确地返回同一文档中的拉丁单词)。
我怎么才能修好它？有什么建议吗？
浏览 3提问于2018-08-29得票数 3
在过去的10天里，我刚刚开始使用Ubuntu，打算永久停止使用Windows。到目前为止已经很棒了。我已经用可用的Ubuntu应用程序和Google的一些帮助替换了几乎所有的Microsoft应用程序。
我的佳能CanoScan LiDE 110扫描仪出了问题。当我使用Windows 7中的扫描仪，并将扫描过的书籍页保存为PDF格式时，我可以打开PDF扫描页面并直接从其中复制文本以粘贴到Google或任何LibreOffice文档。我尝试在Ubuntu中使用简单的扫描应用程序进行同样的操作。我通过简单的扫描将页面扫描为文本，并将其保存为PDF格式。但是在Ubuntu中，当我打开扫描的PDF页面
浏览 0提问于2014-03-16得票数 2
回答已采纳
是否可以使用WebView顶部的在书籍中打开和打开方式选项在UIWebView中显示PDF？我不知道该怎么做。
谢谢
浏览 10提问于2011-02-24得票数 4
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)。
但是，我得到了一个没有人类可读性的输出。
我想要的信息，包含日期，发票编号从pdf链接()。
请帮助我提取和存储同样的纯文本。
import PyPDF2
from PIL import Image
pdf_reader = PyPDF2.PdfFileReader(r'document.pdf', 'rb')
page = pdf_reader.getPage(85)
if '/XObject' in page['/Resources']:
xobject
浏览 2提问于2020-05-27得票数 1
回答已采纳
我需要从两种html中抓取https链接。
一个是这样的
<a href="javascript:void(0)" onclick="javascript:newwindow1('https://hello.com/uploads/order/8c25ce592gfgfgfh99.pdf');">
this is some content Lorem Ipsum Lorem Ipsum Lorem Ipsum <img src="/img/pdf.jpg" width=
浏览 4提问于2020-06-24得票数 1
回答已采纳
1回答
我的项目是关于的。我的网站是基于翻译文件和书籍等。客户上传他的源文件为pdf，在后端，字数的pdf应该由一个OCR来确定最终的价格，所以单词的计数是非常重要的。主要的问题是OCR的波斯文字有问题。你怎么能帮我解决这个问题？
浏览 0提问于2019-12-03得票数 0
回答已采纳
2回答
在最奇怪的客户端需求中，我们需要开发一个功能来从java程序生成一个pdf文档(我是用iText实现的)。但是pdf的观点是有问题的。客户端想要以这样的方式生成pdf，它应该有像我们使用css在html中做的那样转动页面的功能。pdf的书籍视图。我知道这很奇怪，无法做到，因为我们需要改变Adobe本身的功能。请让我知道这是可能的，如果是，那怎么做？
浏览 10提问于2014-02-04得票数 1
回答已采纳
1回答
通过iOS应用上传pdf
、、、、
我有一个网络服务，将上传的pdf转换为翻转书籍。我不想创建一个iOS应用程序，允许用户上传他们的pdf和接收翻转书籍。从iPhone/iPad上传pdf有哪些可能性？
可以通过iCloud实现吗？还有没有别的选择？
浏览 0提问于2013-03-26得票数 0
回答已采纳
我正在使用axios恢复一个PDF文件，并使用pdfreader库来提取代码。
下面是数据恢复的代码：
var options = {
method: 'get',
url: url,
headers: { 'User-Agent': 'PostmanRuntime/7.26.8' },
timeout: 5000,
responseEncoding: 'utf8',
maxRedirects: 15,
浏览 7提问于2021-02-22得票数 1
1回答
我试着按主题从PDF中提取课文。为了做到这一点，我试图识别PDF中的标签\标题。
到目前为止，我已经将PDF转换成xml文件，以便更容易地获取文本数据，然后使用每一行的字体\大小来保存(如果一行是标签)。这种方法的主要问题是，每个PDF都可以有自己的构建，而不一定对一个PDF适用于另一个PDF。
如果有人知道如何克服这个问题，我会很高兴，这样就可以不依赖PDF (我使用的大多数PDF文件是文章\书籍)而提取标签(按主题分类)--按主题提取文本的不同方法也很受欢迎。
(如标记所示，我正试图用Python进行此操作)
编辑：
现在我做了两件事：
检查每一行的字体
检查每一行文本大小
浏览 1提问于2016-04-03得票数 0
2回答
我试图用"."拆分一个字符串，但是数组中什么都没有。文件名是"Head-First-Java-2nd-edition.pdf"，在拆分后，我想提取扩展名，但不知道为什么它会给出空白数组。
my @fileInfo = split(/./, $filename);
&logMsg("Array is: @fileInfo");
浏览 0提问于2013-10-01得票数 1
回答已采纳
我在Ubuntu机器上有一个包含大量文件的目录，以及以相同前缀开头的文件子组。我需要目录文件名称中的不同前缀列表，如下所示。关于列名：
pj6_ex_18_i535_tr_92.pdf
pj6_ex_18_i535_tr_95.pdf
...
pj6_ex_14_i535_tr_96.pdf
pj6_ex_14_i535_tr_97.pdf
pj6_ex_14_i535_tr_98.pdf
....
pj1_ex_24_i535_tr_91.pdf
pj1_ex_24_i535_tr_92.pdf
pj1_ex_24_i535_tr_93.pdf
...
pj3_ex_16_i535_tr_2
浏览 0提问于2021-05-05得票数 0
4回答
我有很多文件
101s18-exam02--100-booklets.pdf
MATH232 Exam 01 99 booklets.pdf
35BOOKLETS.pdf
我想要写一个命令，从每个文件中提取出现在单词"booklets“之前的数字(在这里，大小写被忽略)。因此，运行此命令的输出应该会导致
$ bash mycommand.sh 101s18-exam02--100-booklets.pdf
100
$ bash mycommand.sh MATH232 Exam 01 99 booklets.pdf
99
$ bash mycommand.sh 35BOOKLETS
浏览 0提问于2018-03-30得票数 0
回答已采纳
我有一个批处理脚本，用来提取PDF信息，然后重命名PDF。
这个脚本对1PDF文件很好，但是我需要在文件夹中直接使用它，其中有很多PDF文件。
那怎么做呢？
脚本需要对每个PDF文件运行，一个一个地运行到最后。一旦PDF文件被重命名为下一个文件，文件将被移动到另一个文件夹中，所以保存在文件夹中的PDF文件需要同样的东西。当文件夹为空时，脚本将退出。
@echo off
setlocal enabledelayedexpansion
set PDF="Renommer_Manuellement.pdf"
set text="Renommer_Manuellement.
浏览 2提问于2018-01-14得票数 1
回答已采纳
我试图检索一个数组值，其中键是一个变量。JSFiddle --将“服装”或“书籍”输入行业。JSFiddle的输出声明返回的值是未定义的。
问题在于var filename = constants.factsheet --如何正确地传递事实资料单的值以检索相关的文件名？
联署材料：
$(function () {
var availableIndustries = ["apparel", "books"];
$("#industry").autocomplete({
source: avail
浏览 0提问于2013-11-05得票数 0
回答已采纳
我正在尝试从PDF中包含的嵌入式true type字体文件中提取UTF-8字符值。有没有人知道这样做的方法？PDF中的值可能类似于'2%dd！w!|<~‘，在由TTF中的相应字形表示的PDF中，这将以'Hello World’结束。我希望能够在这里提取wchar值。这个是可能的吗？TTF中是否存在每个字符的UTF-8值？
浏览 0提问于2012-07-19得票数 1
回答已采纳
上下文:我使用kindle阅读pdf文件，然后从这些文件中提取段落，并添加笔记，作为研究工作流程的一部分。在亚马逊的网站上，我可以看到我购买的书籍的亮点，但没有任何pdf文档，我已经发送到我的kindle使用电子邮件文档的“转换”方法。
我可以手动传输这些使用USB电缆和复制‘我的Clippings.txt’文件。
问:当kindle同步时，‘我的Clippings.txt’会被存储在云中吗?如果是这样的话，有没有API或者访问这个的方法。
问题的原因:如果我失去了kindle，我会失去所有我没有备份的笔记吗？
提前感谢
浏览 1提问于2016-10-09得票数 8
1回答
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。我假设在Tj命令之前的括号中会有可读的文本，但结果如下：
的实际问题：，我不知道我有什么，我想知道它是什么类型的内容。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)。不知道这是否相关的信息，但可能是图书馆使用一种特殊的方式加密它的文本数据或其他什么.
浏览 1提问于2017-02-14得票数 1
回答已采纳
我们有从信用历史文件中提取信息的要求。通常是PDF和计算机生成的文档。因为这些PDF是由不同的源生成的，因此每个源的文档布局都不同。列标题标签也会有所不同。目前，有4个来源正在产生这份文件，但今后，它将来自多个来源。从每一份文件中，我们将需要提取诸如贷方名称、贷款额、未清余额等信息；
我需要知道提取我想要的数据的步骤和实际方法，如贷方名称、金额、余额等；
我们是否有一个既定的机器学习/深度学习方法可以在这里实现？只需了解ML/DL的基本知识，因此需要一个方向。
浏览 0提问于2020-01-07得票数 1
我试着用site:.pdf来查找以.pdf结尾的网站，但是它什么也没有出现。如果我会谷歌“免费pdf书籍”等，它会显示pdf结果。为什么它不显示我的查询？
浏览 0提问于2012-04-30得票数 2
我正在寻找一个库(如果可能的话，在Java或PHP中可用)，以便从PDF中提取文本。有许多可用的软件，包括：
PDFlib 3-高地™PDF提取 TET -文本提取工具包PDF2XML
你会选择哪种工具？你觉得他们怎么样？
非常感谢您的帮助！
浏览 4提问于2010-09-21得票数 3
回答已采纳
我正在尝试从PDF中提取文本，PDF中充满了表格。在某些情况下，列是空的。当我从PDF中提取文本时，emptys列会被跳过并替换为空格，因此，我的正则表达式无法确定在这个位置有一个没有信息的列。
更好地理解图像：
我们可以看到，在提取的文本中，列并不受尊重。
从PDF中提取文本的代码示例：
PDFTextStripper reader = new PDFTextStripper();
reader.setSortByPosition(true);
reader.setStartPage(page);
reader
浏览 2提问于2017-08-23得票数 3
回答已采纳
在默认情况下，积分文字的类型定义如下：
0X123 /* hex , int ? unsigned int? long? unsigned long? */
0XFFFFFFFE /* hex , value is (2^32-2)=4294967294 .*/
0123 /*octal */ /* value = 83*/
042747672777 /* octal , greater than 2^32*/ /* value=4691293695 */
我在一些教程或书籍(我不记得源代码)中看到，在默认情况下，它们是签名的int类型。对吗？
浏览 1提问于2016-08-05得票数 0
回答已采纳
3回答
我正在开发一个新的网站与PHP和MySQL。
该网站是为一个在线eBook图书馆提供的，该图书馆根据付费订阅计划授予对其图书的访问权限。
因此，我需要确保这些书籍的PDF文件得到很好的保护，不能被保存、下载或以任何方式复制。
我该怎么做呢？
浏览 63提问于2018-05-28得票数 1
9回答
我知道如何从LaTeX制作一个PDF。有没有办法从我之前创建的PDF文件中提取LaTeX代码？如果有人给我发了一份PDF，而我喜欢它的格式，那该怎么办？我可以从中提取LaTeX吗？
浏览 0提问于2009-10-25得票数 24
回答已采纳
2回答
lines = []
total_check = 0
with pdfplumber.open(file) as pdf:
pages = pdf.pages
for page in pdf.pages:
text = page.extract_text()
for line in text.split('\n'):
print(line) 输出数据： Totaalbedrag excl. btw € 25,00 当我尝试从数据中检索增值税时： KVK_re = re.compile(r'(ex
浏览 14提问于2020-10-30得票数 2
回答已采纳
1回答
我想把在线书籍(链接的html文件)转换成一个pdf文件。
我在http://kmkeen.com/mirror/2009-02-05-14-00-00.html中尝试了两步的方法
首先，通过wget -nd -mk http://www.unknownroad.com/rtfm/gdbtut/下载html文件，但是它已经下载了很多无关的文件。所以我必须删除那些无关的文件。
然后，我尝试将下载的html图书转换为一个pdf文件: htmldoc -webpage -f gdb.pdf html/index.html /*.html，但是pdf文件中的页面顺序不正确。
我想知道下载在线书籍(链接
浏览 0提问于2014-08-20得票数 3
回答已采纳
3回答
我正在尝试使用regex从PDF中提取一些自定义属性(我将使用grep)。
PDF自定义属性是以此格式存储的键值：
<</key1(value1)/key2(value2)/key3(value3)>>
值内的括号被转义：
/key4(outside \(inside\) outside)
我执行了以下正则表达式来提取键的值：
grep -Po '(?<=key4\().*?(?=\))' "sample.txt"
但是，当将其应用于key4 (带括号)时，会产生：
outside \(inside\
因为它停止在第一个) (被转义
浏览 0提问于2019-03-09得票数 0
回答已采纳
1回答
我的PDF由knitr和LaTeX使用RStudio生成，有超过200个索引术语。我意识到太晚了，如果我能在PDF中发现那些索引术语，那就太好了。似乎有一种方法可以实现这种大胆的自动化。
下面的微小文本向量给出了一个示例，说明.Rnw脚本中的文本是什么样子的，除了“索引”前面的反斜杠之前的附加转义代码。对于多样性，在第二个字符串中索引单词之前有一个空格，在第三个字符串中有一个非索引示例。我的索引词中没有一个比五个字长。
text <- c("blah blah \\index{words}words ramble on", "more blah more blah
浏览 4提问于2016-07-16得票数 4
回答已采纳
1回答
我有一个最终提取PDF的宏。
当然，PDF上显示的内容取决于透视的过滤依据，在这种情况下，它是使用切片器过滤的。
我需要提取当月的PDF它是+3个月过滤。
我该怎么做呢？因此，例如，如果用户在三月选择了切片器，宏将只提取三月的PDF，但我需要它同时提取同一PDF文件中的四月、五月和六月(因此文件中有4页)。我希望这是有意义的。
有没有一种方法可以通过编写宏来选择month+1、month+2等？
浏览 0提问于2019-02-19得票数 0
我有几千本电子书需要组织在一个无头linux服务器上，通过SSH运行bash。值得庆幸的是，所有电子书都有两个约定之一的命名。
AuthorFirstName AuthorLastName -BookTitle.pdf AuthorFirstName AuthorLastName -图书系列#inSeries -BookTitle.pdf
我想要做的是将所有的书籍移到一个有组织的系统中，例如：
`DestinationDirectory/FirstLetterOfAuthorFirstName/Author Full Name/pdf's`
例如，下列书籍
Andrew Weiner
浏览 5提问于2009-08-09得票数 13
回答已采纳
有一些超过600 mb的pdf书籍，我不感兴趣地同步那些书。我能“告诉”Ubuntu不同步超过100 mb的文件而不必移动文件夹的书籍吗？
ubuntu 10.10
浏览 0提问于2011-10-21得票数 0
回答已采纳
我试图使用PDFMiner从一个外文PDF文件中提取文本，但是被一个ToUnicode语句所挫败。即使在普通PDF查看器中，该文件的行为也很奇怪。
例如，下面是文件中一些文本的截图：
但是，如果我选择并复制文本，则如下所示：
िनरकर
您可以看到几个字符已经更改，特别是第二到最后的字符。
毫不奇怪，PDFMiner提取了不正确的文本。但是每个PDF查看器都能正确地显示这些数据。我怀疑问题要么是ToUnicode映射，要么是具有连续字符的东西。所需的字母应该是0x915、0x94D、0x937的序列。PDFMiner只报告0x915，它描述了一个不同的字符。
我需要做什么才能使PDF
浏览 2提问于2015-02-23得票数 5
回答已采纳
1回答
Alpha合成算法(混合模式)
、、、、
我正在尝试在SASS中实现PDF规范中的混合模式，这是我自己的乐趣。 PDF规范：http://www.adobe.com/content/dam/Adobe/en/devnet/acrobat/pdfs/PDF32000\_2008.pdf 第322页是alpha合成部分。 输入值是RGBA格式，但现在我正在尝试实现alpha组件的混合。我该怎么做呢？从我收集的数据来看，我的值应该在0.0和1.0之间，这就完成了。然而，从规格来看，似乎你应该为每个颜色通道混合？我是否只是将其求平均，以返回到我的alpha组件的RGBA形式？ 任何帮助都是有价值的，我不介意阅读博客、书籍等来获得我的答案，因
浏览 75提问于2011-09-16得票数 8
2回答
我的应用程序卖书，当用户购买一本书时，会将一个pdf文件下载到手机的内存中。我有两个类别的书籍和名称的pdf文件有一个代码来识别它。
在购买并下载的所有文件中，我有以下代码来获取购买的所有书籍的数组：
val purchasedBooks: ArrayList<String> = ArrayList()
val directoryFiles = context?.filesDir
val files = directoryFiles?.listFiles()
if (files != null) {
for (aFile in f
浏览 2提问于2018-08-31得票数 1
回答已采纳
我有两个表：User和 details (其中包括书籍的详细信息).They通过外键相互链接，如下所示：
class Details(models.Model):
user= models.ForeignKey(settings.AUTH_USER_MODEL, null=True)
BName= models.CharField(max_length=200)
BPublisher= models.CharField(max_length=200)
BEdition= models.CharField(max_length=100)
BAuthor=
浏览 3提问于2017-12-03得票数 0
我有一堆不同的银行报表pdf，我已经转换成文本，消费者的信息将被提取。我得写regex来提取帐号。帐号后面跟着特定的关键字，例如：
account number,
account no,
a/c no
我将粘贴一些包含此信息的示例文本。
样本1：
"bank of india account statement name abcd account no. 123456 account type savings account"
样本2：
"statement for a/c no 11111111 between 16-09-2019 and 16-03-2020&#
浏览 3提问于2020-09-01得票数 1
回答已采纳
3回答
我想提取特定标题下的文本从一个pdf使用python。
例如，我有一个pdf文件，标题为Introduction、Summary、Contents。我只需要提取“摘要”标题下的文本。
我该怎么做呢？
浏览 25提问于2018-01-05得票数 12
我在一个电子图书馆项目中工作，在那里我们必须为孩子们展示pdf书籍。我想知道我是否可以找到一些PDF插件来很好地显示PDF。
浏览 30提问于2021-01-29得票数 1
5回答
我一直在从在线和PDF书籍中学习windows API，但我听说有人在使用sdk和visual studio程序。我该怎么办？API是我创建的，但是非常复杂。我是否会从学习API中受益，或者我是否应该获得一个sdk或程序来为我编写代码？我有msc++e，但我不认为它会带来这些好处
浏览 1提问于2010-07-09得票数 3
回答已采纳
我目前使用的是模块
我试过了：
testing.pdf
脚本：
use strict;
use PDF::Extract;
my $input = $ARGV[0];
my $newpdf = new PDF::Extract(PDFDoc => $input);
my $i = 1;
$i++ while ($newpdf->savePDFExtract(PDFPages => sprintf("%03d", $i)));
此脚本已成功运行，但在提取过程中丢失了某些页面。2.积分：
use strict;
use PDF::Extract;
my $
浏览 3提问于2012-12-18得票数 2
回答已采纳
1回答
实际上，我们主要是将D7用于书籍和手册之类的书页。
我们希望将像PDF和Excel这样的文件链接到drupal图书页面，但是我们没有经验如何从Drupal打开这些文件或者在drupal中查看它们的内容。
因此，我希望对最终必要的模块和设置进行说明。
我们有一个浏览器扩展名为chrome，并在浏览器中直接看到它们，但是在一个(localhost:8080/drupal/?q=it/node/398), the link to that PDF first gets me to another page (drupal/?q=media/1242`)页面上，我和我必须再次单击PDF图标才能在浏览器
浏览 0提问于2016-06-24得票数 1
1回答
我有一个情况，我需要从许多PDF文件中提取图像并在网站上显示它们。我的PDF有“规则”的图像以及许多图表。
我使用pdf2xml，它以jpeg、ppm、pbm和vec格式提取图像。我看到正在提取的“常规”图像(大部分情况下)是jpeg/ppm/pbm，但我没有看到那里的图形--所以我猜测pdf2xml将它们存储为.vec文件。
所以问题是我怎么得到我的图表？我使用了imagemagick附带的convert将.vec转换为jpeg/png等等，但没有效果。
浏览 0提问于2011-04-23得票数 4
回答已采纳
1回答
使用R从图像中提取关键字
、、、、
假设我有一个包含发票的pdf文件。所以，这是一个pdf文件中的图像。现在，如果我想提取关键字'total'，我该怎么做呢？ 到目前为止，我已经编写了以下代码： curl::curl_download("https://slicedinvoices.com/pdf/wordpress-pdf-invoice-plugin-sample.pdf", "wordpress-pdf-invoice-plugin-sample.pdf")
orig <- pdftools::pdf_text("wordpress-pdf-invoice-p
浏览 10提问于2019-05-14得票数 1
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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
