`

通过XPDF抽取PDF中的中文文本

Blog 
阅读更多

1、下载XPDF，参考下载地址：http://blog.pjoke.com/wp-content/uploads/2009/02/xpdf-chinese-simplified.zip

2、下载字体Gbsn00lp.ttf和gkai00mp.ttf，参考下载地址：http://blog.pjoke.com/wp-content/uploads/2009/02/font.zip

3、解压XPDF和字体，将字体放到CMap目录下

4、修改add-to-xpdfrc文件中的地址 ，将路径该为本机安装路径

5、修改xpdfrc文件 ，把地址修改为本机地址

6、编写简单的程序

7、运行

 

 

分享到：
| pdf2swf+flexpaper解决pdf在线阅读（类百 ...
评论
发表评论

您还没有登录,请您登录后再发表评论

相关推荐

    cpp-pdftojson使用XPDF从PDF文件抽取文本作为JSON

    1. **PDF文本提取**：`cpp-pdftojson`首先调用XPDF的`pdftotext`命令行工具，对输入的PDF文件进行解析，获取文档中的文本内容。`pdftotext`能够识别PDF的布局信息，包括段落、行、字等，从而保持文本的原始格式。 2...

    xpdf-chinese-simplified.rar

    描述中提到“很好的解决了pdf抽取中的中文问题”，这意味着XPDF在从PDF文档中提取中文文本时表现优秀。PDF抽取，即PDF内容的解析和提取，是数据分析、文档处理和信息检索等场景中常用的操作。对于中文PDF，抽取过程...

    Lucene应用中Pdf文档文本数据提取方法研究

    对于Pdf文档的文本数据提取，研究采用的是xpdf工具包，这是一个广泛认可且高效的Pdf文本提取工具。通过xpdf，可以从Pdf文件中准确地抽取文本内容，使其能够被Lucene索引和检索。具体步骤如下： 1. **下载并安装xpdf...

    gbsn00lp.tff

    描述 "gbsn00lp 通过XPDF抽取PDF中的中文文本" 揭示了一个使用XPDF工具从包含中文文本的PDF文档中提取信息的场景。XPDF是一个开源的PDF阅读器和处理工具集，它提供了PDF文档解析、文本抽取、页面渲染等功能。在处理...

    xpdf source code

    例如，它能够将PDF文档中的文本抽取出来，或者将PDF页面导出为图像文件。这些功能对于数据提取、文档转换或无障碍访问（如屏幕阅读器支持）等场景非常有用。 **开源优势** 作为开源软件，Xpdf的源代码可以自由分发...

    gkai00mp.zip

    描述提到 "通过XPDF抽取PDF中的中文文本"，这涉及到PDF文档处理和中文字符提取。XPDF是一个开源的PDF工具集，它包含了一系列命令行工具，如`pdftotext`，能够从PDF文件中提取文本。这对于数据挖掘、文档分析或简单的...

    java 解析pdf的两个文件包

    在这个例子中，`PDDocument.load()`方法用于加载PDF文件，`PDFTextStripper`则负责抽取文本，最后通过`getText()`获取到PDF中的全部文本内容。 在实际应用中，选择XPDF还是PDFBox主要取决于具体需求。如果你只需要...

    xpdf-3.02pl2-win32.zip

    3. 图像导出：通过pdftoppm命令，用户可以将PDF文件中的图像抽取出来，保存为各种常见的图片格式，如JPEG、PNG等。 4. 页面操作：Xpdf允许用户对PDF页面进行裁剪、合并或拆分，以满足不同的文档处理需求。 二、...

    java-pdf&word-jar.zip

    4. 文本提取：从PDF中抽取文本，用于索引、搜索或分析。 5. 图形操作：绘制2D图形，创建复杂的PDF页面结构。 6. PDF签名：添加数字签名，验证文档完整性和来源。 7. 与其他格式互转：支持PDF与XML、TXT、图片等格式...

    JAVA读取WORD-pdf等.docx

    - `XPDF` 是另一个处理PDF的工具，也可以用于文本抽取，但它通常在命令行环境下使用，而非Java库。 为了简化处理这些文件，开发者有时会使用已经封装好的库，比如对Apache POI进行了封装的一些第三方库，它们提供...

Magicbox
Global site tag (gtag.js) - Google Analytics