1
我有以下問題：我有很多的PDF格式的文件，我必須從每個人的第一頁中提取信息，然後將其保存到數據庫全文解析挑戰
我只需要提取，標題，摘要，關鍵字，作者列表，大學列表，電子郵件。我想做一個腳本來爲每個字段獲取一個字符串，用於每篇論文。
我該怎麼做？有沒有人已經這樣做？你推薦我什麼語言和工具？ 和是否存在已經完成數據庫饋送的紙庫？
考慮到pdf可能有不同的編碼，我也必須處理這個問題。任何幫助，這將是偉大的。
問候！
Q
全文解析挑戰
A
回答
1
你必須檢查有關PDF的安全性，它確實是文本，而不是圖像。檢查PDFBOX的命令行應用程序，如果它的工作原理提取文本，那麼你可以使用的jar和使用http://pdfbox.apache.org/apidocs/org/apache/pdfbox/examples/util/ExtractTextByArea.html
希望它可以幫助....
通過它的Java的方式......
編輯。 我沒有使用這個作爲jar庫http://www.qoppa.com/pdftext/，但我使用的示例應用程序，它的工作原理，但我決定去pdfbox ...
0
您需要一個API來閱讀您的PDF。
+0
粗魯但有趣。你知道你不能在這裏發佈鏈接到lmgtfy嗎？可惜......有些時候這是正確的答案。 – 2011-05-18 16:41:03
相關問題
- 1. PHP - 解析XML挑戰
- 2. [R字符串解析挑戰
- 3. 解析出reCaptcha挑戰鑰匙
- 4. 泛型和挑戰上解析器前
- 5. 挑選挑戰4：蟒蛇挑戰
- 6. Python迴文挑戰
- 7. 代碼戰挑戰
- 8. 關聯文件的挑戰
- 9. 有趣的Oracle分析查詢挑戰
- 10. A碼的戰爭挑戰
- 11. 序言挑戰
- 12. 的 「drawStars」 挑戰
- 13. Hackerrank挑戰timout
- 14. NLP-POS挑戰
- 15. Python挑戰
- 16. Android堆挑戰
- 17. htaccess rewriterule挑戰
- 18. URLRewriting挑戰
- 19. HTML表挑戰
- 20. drawStarsStairs挑戰
- 21. 從谷歌編程挑戰賽解決「歡迎來到編程挑戰賽」 2009
- 22. FreeCodeCamp挑戰：解釋錯誤消息？
- 23. 如何解決垂直棒挑戰？
- 24. 您如何解決以下Golang挑戰？
- 25. 需要幫助瞭解編程挑戰
- 26. 如何解決Codingbat String-2的挑戰？
- 27. 用strcmp挑戰PHP
- 28. RPM管理挑戰
- 29. UIPageControl設計挑戰
- 30. Hackerrank挑戰：Let's Echo
我一直在測試PDFBOX和它的作品真的很好，當腳本紅寶石，謝謝！ – fespinozacast 2011-05-17 23:39:43