我有這樣一個PDF：解析PDF文件
81 11005589 THING MAXIME 4 PC2I TR1 - MERCREDI DE 07H45 A 09H45 4A7
71 11007079 STUFF QUENTIN 1 PC2I TR1 - LUNDI DE 10H00 A 12H00 1B4
74 10506940 HAHA YEZHOU 2 PC2I TR1 - LUNDI DE 13H30 A 15H30 2D5
http://i.stack.imgur.com/hbXg2.png
，我需要解析它。我的意思是第4欄，添加第3欄，併發一封電子郵件地址。例如，第一行：[email protected]
我試圖將它複製到Google文檔中，但它只是在一個單元格中對齊而不是多個單元格。
我真的不知道該怎麼辦。我想正則表達式可以幫助我，但什麼？
我之前使用Aspose來解析PDF/Word文檔/ Excel文檔/和其他一些文檔。我不確定在PDF中解析表格時它們的功能如何，但如果他們有某些東西，我不會感到驚訝。
我開始看着它們，但被警告：他們有一個unapologetically小便窮人的方法來更新他們的庫。我不得不重寫代碼，因爲它們在發佈新版本時會顯示DROP功能。沒有棄用，只是走了。這就是說他們的支持是可以的，而且工具集非常強大。
我知道他們有.NET和Java的庫。除此之外，我不能說。
如果是Java iText，如果是C＃iTextSharp，則兩者均爲非商業用途。
這兩個都是免費的_non商業use_。 http://itextpdf.com/terms-of-use/ – Oded 2010-10-14 15:58:48
編輯...好點 – 2010-10-14 16:11:32
如果在PHP中，你可以使用
exec('pdftotext '.$filepath, $outputAsArray); //execute the command pdftotext. Proabably installed if you're on linux, if not you can install it /// to transform the pdf to text,
然後
$text = implode($outputAsArray,"\n"); //to have the output as text
那麼的preg_replace是你的朋友。
您不能只使用正則表達式來解析PDF。你需要提取文本。有很多庫可以爲不同的語言做到這一點。
我公司，Atalasoft，具有文本提取添加爲.NET - http://www.atalasoft.com/products/dotimage/pdf-reader
對於Java，需要從Snowtide看看PDFTextStream。 http://www.snowtide.com。
您無法確定PDF文件中是否有可見的結構。您確實需要使用提取工具。我寫了一篇文章，解釋什麼格式實際上是在PDF文件中http://www.jpedal.org/PDFblog/?p=228
什麼語言？ – 2010-10-14 15:37:16
以及我只知道PHP ... – 2010-10-15 18:33:30