python简介pdf_PDFMiner首页、文档和下载 - Python PDF 解析器 - OSCHINA

PDFMiner 是一个 Python 的 PDF 解析器，可以从 PDF 文档中提取信息。与其他 PDF 相关的工具不同，它侧重的是获取和分析文本数据。PDFMiner 允许获取某一页中文本的准确位置和一些诸如字体、行数的信息。它包括一个 PDF 转换器，可以把 PDF 文件转换成 HTML 等格式。还有一个扩展的 PDF 解析器，可以用于除文本分析以外的其他用途。

特性

完全用 Python 编写

解析、分析和转换 PDF 文档

PDF-1.7 规范支持

CJK 语言和垂直书写脚本支持

支持各种字体类型（Type1、TrueType、Type3 和 CID）

基本加密（RC4）支持

大纲（TOC）提取

标记内容提取

自动布局分析

PDFMiner 内置两个工具：pdf2txt.py 和 dumppdf.py：

pdf2txt.py 从 PDF 文件中提取所有文本内容。但不能识别画成图片的文本，这需要特征识别。对于加密的 PDF 你需要提供一个密码才能解析，对于没有提取权限的 PDF 文档你得不到任何文本。

dumppdf.py 把 PDF 文件内容变成 pseudo-XML 格式。这个程序主要用于 debug ，但是它也可能用于提取一些有意义的内容（比如图片）。

python简介pdf_PDFMiner首页、文档和下载 - Python PDF 解析器 - OSCHINA - 中文开源技术交流社区...相关推荐

java simplejson_JSON.simple首页、文档和下载 - JSON/BSON开发包 - OSCHINA - 中文开源技术交流社区...
JSON.simple是一个简单的Java类库,用于解析和生成JSON文本.不依赖于其它类库,性能高. 示例代码: System.out.println("=======decode==== ...
leveldb java实例_EZDB首页、文档和下载 - LevelDB 的 Java 封装 - OSCHINA - 中文开源技术交流社区...
EZDB 为 LevelDB 提供一个很好的 Java 封装. 功能包括:Key/value 查询 Hash/range 查询 (类似 Amazon 的 DynamoDB) 可插入式的序列化可插入式 ...
python倒排索引实现_倒排索引原理和实现 - uncle_LLD的个人空间 - OSCHINA - 中文开源技术交流社区...
关于倒排索引搜索引擎通常检索的场景是:给定几个关键词,找出包含关键词的文档.怎么快速找到包含某个关键词的文档就成为搜索的关键.这里我们借助单词--文档矩阵模型,通过这个模型我们可以很方便知道某篇文档 ...
python二次开发odoo_odoo二次开发 - 战鹏的Blog - OSCHINA - 中文开源技术交流社区
#odoo Odoo 的前身是 OpenERP,是一个开源的企业 ERP 系统.odoo官网通过官网可以看到odoo可以干很多事情,例如销售.CRM等等. #odoo文档我们可以在odoo文档看到 ...
python羊车门问题_羊车门问题 - osc_wq8j2a9a的个人空间 - OSCHINA - 中文开源技术交流社区...
题目描述:有3扇关闭的门,一扇门后面停着汽车,其余门后是山羊,只有主持人知道每扇门后面是什么.参赛者可以选择一扇门,在开启它之前,主持人会开启另外一扇门,露出门后的山羊,然后允许参赛者更换自己的选择. ...
python 点云重建,点云表面重建 - osc_0tk7cpde的个人空间 - OSCHINA - 中文开源技术交流社区...
啊哈最近在参加一个数学建模的比赛要求是对一个果子里面的虫洞进行三维模型重建但是百度之后并没有找到对点云数据直接重建的方法(很少) 整个代码是python写的里面的各种库似乎有一个是可以做这个的 ...
java盒图_盒须图简介 - Java报表工具技术讨论，Style Report 报表专题 - OSCHINA - 中文开源技术交流社区...
盒须图(Boxplot)主要用于对数据分布的显示.对于详细数据的显示通常采用下面几种方法. 最简单的方法是把所有的数据显示在一个散点图上.读者可以直接观察数据点的分布. 但如果数据量很大,数据点就会大 ...
python开源项目博客_Blog_mini首页、文档和下载 - Python Flask开源博客 - OSCHINA - 中文开源技术交流社区...
使用Blog_mini,你完全不用担心博客的管理问题! Blog_mini是一个用Python Flask开发的,拥有简洁页面(支持响应式布局!)和强大后台管理功能的开源博客系统,使用Blog_min ...
python 第三方绘图库_D3py首页、文档和下载 - 基于 D3 的 Python 绘图库 - OSCHINA - 中文开源技术交流社区...
D3py 是一个基于 D3 的 Python 绘图库,可以像 D3 那样画出可交互的漂亮图形. D3py 的目的是把来自命令行或者脚本的数据画到浏览器窗口,d3py 通过构建两个优秀的包来实现这一点. ...

python简介pdf_PDFMiner首页、文档和下载 - Python PDF 解析器 - OSCHINA - 中文开源技术交流社区...

python简介pdf_PDFMiner首页、文档和下载 - Python PDF 解析器 - OSCHINA - 中文开源技术交流社区...相关推荐

最新文章

热门文章