如何轻松提取网页的内容，其中只嵌入在html页面内(如img，pdf，flv，doc，rtf，wmc等)，而不是css和css背景图片，javascript。
我正在将旧网站的内容迁移到新网站。重新上传所有图片，链接的pdf，flv等。
浏览 1提问于2009-11-26得票数 0
并按顺序将它们捆绑成pdf。mobile_path=./screenshots/mobile/
convert ${desktop_path}screenshot-1.png ${desktop_path}screenshot-2.png ${desktop_path}screenshotmobile_path}s
浏览 28提问于2017-01-30得票数 0
回答已采纳
我有一个html页面与文本，图像，我正在转换HTML到PDF。在生成的PDF中，不显示包含的图像，仅显示文本和base64嵌入图像。URL图像不是。如果我传递一个像“D:/HTML/ baseURI /”这样的图像，将删除"http://“from URL”的HTML(XSLT)图像ConverterProperty更改为de base URI文件夹但如果我尝试服务器上的图像，如下所示： http:/
浏览 669提问于2019-03-15得票数 1
我也知道我只能从图像中获得96dpi，因为我的显示器dpi，但我需要确保即使它产生96dpi，它真的是300dpi的质量。有人能给点建议吗？我尝试过alivepdf，它不是很好。与原始图片相比，我在生成的拼贴图像中得不到清晰的质量。这是我的功能，有人能帮我改进我的快照吗？我真的需要为打印生成照片质量的图像。
浏览 4提问于2010-12-27得票数 0
2回答
我如何知道PDF是否被标记？我正在开发一个程序，可以在PDF文件中复制一个文本并在我的应用程序中显示它，所以我尝试测试这个PDF文件，我从一个PDF文件(普通Copy+Paste)中复制了一个表，并将它粘贴到MS中。结果是没有表格的普通文本。当您从pdf文件中复制表并将其粘贴到Word中时，会出现一些问题，使其成为图像。这是真的吗？
浏览 6提问于2012-10-04得票数 2
回答已采纳
2回答
我发现有一些库可以从PDF或word中提取图像，比如docx2txt和PDF图像。但是我如何才能获得图片周围的内容(比如图片下面可能有一个标题)？或者获取每个图像的页码？其他一些工具，如PyPDF2和minecart，可以逐页提取图像。但是，我不能成功地运行这些代码。 有没有好的方法来获取图像的一些信息？(从docx2txt或pdfimages获得的图像，或另一种提取</e
浏览 18提问于2019-04-09得票数 0
我尝试将从book_download_page = requests.get(link)获取的字节转换为字符串，然后从content = book_download_page.content转换为字符串我试过的是， content = book_download_page.content.decode('utf-8') 我得到了错误， 'utf-8' codec can't decode byte 0xe2
浏览 21提问于2020-06-25得票数 0
我正在尝试从PDF中提取图像，PDF是受保护的。但这两张照片都只提取了其中的一幅。因为
浏览 1提问于2015-04-30得票数 1
1回答
我正在开发一个服务，其中我现在需要从PDF文件中提取图像。在Linux命令行中，我可以使用之类的提取图像因为我使用的是Python Flask框架，并且我想在Heroku上运行我的服务，所以我想使用纯Python (或者可以在Flask系统中运行在Heroku上的任何库)来提取图像。有人知道如何用纯Python从pdf</
浏览 4提问于2014-11-28得票数 4
我想知道如何从这个pdf文件中提取(例如：图片) PDDocument p=PDDocument.load(new File("a.pdf"));
PDFTextStripper t=new PDFTextStripper();
浏览 1提问于2013-04-25得票数 0
回答已采纳
1回答
我使用embed标签在html中嵌入了一个pdf。我可以选择要复制的文本，但无法选择pdf中存在的图像。我应该在这段html代码中做什么更改？<embed src="sample.pdf" type="application/pdf" width="800px" height="650px">
浏览 0提问于2015-11-23得票数 0
2回答
我需要从PDF中提取已使用OCR程序转换的文本。我是使用普通的PDFReader来获取文本，还是需要特殊处理？
浏览 2提问于2011-02-17得票数 4
回答已采纳
3回答
有没有任何可用的类，在php中提取所有的文本从pdf文件，以便我可以存储在mysql数据库中。我的pdf有许多元素，如图像，表格，纯文本，表单元素，图表等。到目前为止，我在过去的两天里看到了许多提取文本的类，但没有一个促进完整的文本提取，不是从pdf中提取完整的文本。
我想从给定的pdf文件中提取</e
浏览 1提问于2011-06-29得票数 2
回答已采纳
我正在展示的脚本比我正在做的要简单一点，但它仍然会解决与原始脚本相同的问题 我要做的就是截取一个网页的截图，转到下一个页面截图，然后把它编译成PDF格式，我尽量避免把图片写到我的硬盘上，然后把它写到PDF里，然后把图片从我的硬盘上删除。现在图像有时会乱序，我认为这与不能足够快地将图像写入PDF有关，或者操作顺序被打乱了。我是相当新的，所以我不确定
浏览 5提问于2021-04-20得票数 0
我想开发一个pdf应用程序，允许用户创建他/她的asp.net文档。我用谷歌搜索了许多网站，找到了创建单个pdf文档的信息。在我的应用程序中，只要用户点击了create PDF链接，就应该允许他创建一个新的PDF文档。我如何做到这一点呢？
浏览 1提问于2013-03-06得票数 1
2回答
如何使用Java确定PDF页面是包含文本还是纯图片？有没有可能从PDF中提取文本，以了解页面是图片格式还是文本格式？
浏览 3提问于2013-05-16得票数 10
1回答
将pdf转换为图像，但在放大后
、、、、
此link显示如何将pdf%s转换为图像。有没有办法在转换成图片之前缩放我的pdf？在我的项目中，我将pdf%s转换为png%s，然后使用Python-tesseract库提取文本。我注意到，如果我缩放OCR s，然后将部分保存为pngs，那么pdf会提供更好的效果。那么有没有办法在转换成png之前缩放pdf文件呢？
浏览 41提问于2019-03-23得票数 6
回答已采纳
我必须从一个特定的矩形区域内的pdf文件中提取文本。工作流程如下。首先，将pdf转换为jpg图像。然后，用户在图片顶部绘制选择矩形。然后我需要从pdf文档中提取该选择区域内的所有文本。有什么建议可以从C#下载免费的pdf库来使用吗？
浏览 6提问于2010-11-29得票数 6
回答已采纳
2回答
在比较两个PDFS时，我试图提取这些差异。我附上了一张图片来一瞥PDF。
我已经提取了两个PDfs之间的逐行差异.我还逐字逐句地提取了差异。但这些词并没有按正确的顺序提取。我用下面的代码逐字提取. if f != s:
changed_words = set(f.split()) - set(s.split())
浏览 4提问于2022-08-03得票数 0
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
