Результат сильно зависит от того, что внутри PDF'а...

Sumo 14.05.2018 08:52

Общая схема: выкусываем весь текст из PDF'а и пробуем разобрать его регулрными выражениями или пишем полноценный парсер текста.

У меня была относительно несложная задачи и получилось написать на Питоне через https://github.com/jalan/pdftotext и набор регулярок. Для сложных pdf'ок возни будет очень много. :)

Импорт не однородных данных из файлов разных форматов., AndreyD 14.05.2018 01:28
- Ответ, 14.05.2018 12:31
  - Все бы ничего но там еще и произвольное количество пробелов и т.д. и т.п. Видимо придется вычистить сначала все лишнее а потом обрабатывать регулярками... (-), AndreyD 14.05.2018 16:28
    - Ответ, moko [M] 14.05.2018 18:44
      - Там не только проблема в пробелах... По факту надо из этого файла вычленить таблицы, распознать их, потому что таблицы разные и некоторые не нужны в принципе, и после этого уже придется работать с пробелами., AndreyD 15.05.2018 12:25
- Результат сильно зависит от того, что внутри PDF'а..., Sumo [M] 14.05.2018 08:52
  - Возможно это сделать средствами Parser?, AndreyD 14.05.2018 10:17

Новости	FAQ	Авторы	Документация	В действии	Библиотека
Инструменты	Полезные ссылки	Хостинги	Скачать	Примеры	Форум