V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
anita233
V2EX  ›  问与答

请教大神们,怎么在本地把 PDF 批量处理转成 TXT 格式

  •  
  •   anita233 · 2020-06-03 21:17:44 +08:00 · 1062 次点击
    这是一个创建于 1394 天前的主题,其中的信息可能已经有所发展或是发生改变。

    请教大神们,怎么在本地把 PDF 批量处理转成 TXT 格式?需要处理几千份 PDF 文件,由于数据保密要求,没法在线处理。谢谢!

    5 条回复    2020-06-03 22:51:35 +08:00
    summerwar
        1
    summerwar  
       2020-06-03 21:22:25 +08:00
    ocr 识别 然后 txt 就好了
    JCZ2MkKb5S8ZX9pq
        2
    JCZ2MkKb5S8ZX9pq  
       2020-06-03 21:25:37 +08:00
    感觉是一个大坑,pdf 很可能乱序,ocr 如果是拍摄版文档很可能不准,估计人工校对少不了。
    optional
        3
    optional  
       2020-06-03 21:52:55 +08:00
    pdfjs
    systemcall
        4
    systemcall  
       2020-06-03 22:03:32 +08:00
    很多坑。甩锅的好办法是叫领导改用人力,多雇些人打字。反正最后还是得人来校对。你就只用做一个基于大数据来纠错的分布式的字处理系统
    Kirscheis
        5
    Kirscheis  
       2020-06-03 22:51:35 +08:00
    暂时没发现有什么好办法,目前是用 qpdf 和 python 做解密、拆分和提取,图片过一遍 OCR 。
    不过我的数据是用来喂给搜索引擎的,不是给人看的,凡是有表格和特殊格式的部分一般都会顺序出错,估计和你的要求不怎么一样。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   1200 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 37ms · UTC 23:13 · PVG 07:13 · LAX 16:13 · JFK 19:13
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.