自动提取文本从pdf为许多文件
自动提取文本从pdf为许多文件
提问于 2013-04-23 01:20:52
我有大约10,000个pdf文件(conf论文)，我需要从这些论文的某些部分(如实验部分)提取文本并保存到一个文件中。有没有人知道什么java工具或者python工具可以帮我做到这一点？
提前感谢
阿尤什
回答 3
Stack Overflow用户
回答已采纳
发布于 2013-04-23 01:27:47
对于java:看一下iText
对于python，我将使用PDFMiner
Stack Overflow用户
发布于 2013-04-23 01:25:41
你在发帖前有没有研究过你的问题？我刚刚在谷歌上找到了这个Apache项目：http://pdfbox.apache.org/
Stack Overflow用户
发布于 2013-11-15 10:28:43
因为这些都是学术论文，所以你也应该看看lapdftext。
PDFText是一个从基于
的研究文章中提取准确文本的系统(以及一个能够在需要时提高性能的界面)。该系统是开源的，并提供了一个简单的基线功能，用于使用开发人员可以定制的规则从主要研究文章中提取文本。
页面原文内容由Stack Overflow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://stackoverflow.com/questions/16152965
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号