用 Java 的 PDFBox 提取出 电子 f 票(铁路电子客票)上的 f 票标题、购买方名、f 票号码等信息
原因是 f 票 pdf 里有个盖章,这个盖章和 电子 f 票(铁路电子客票) 这几个字在视觉上是重叠在一起的,导致直接根据区域提取文本会提取出错乱的文字
但是我发现直接用浏览器打开 pdf ,选中的文字时候,可以正确选中 电子 f 票(铁路电子客票) 这几个字
我问 ai 这个盖章是什么,它一会说是 PDImage ,一会说是 PDFORM ,给出了两个提取代码跑下来都是错的
我直接问怎么处理盖章,它给我发了一段 python 调 opencv 的纯视觉方案。。
还有上次用 poi 处理 excel ,想让图片变成嵌入到单元格,我特意转成英文版 excel 找到 excel 图片嵌入到单元格操作的原文去问也没用,回答都是错的
缩写是因为提示:发布这个内容需要你已经注册满 2025 天
![]() | 1 edgar51774 283 天前 ![]() 让他写一个,然后参考 |
2 TWorldIsNButThis OP @edgar51774 写的都没法用啊 |
![]() | 3 estk 283 天前 via iPhone 4o 不行,要 o1 |
![]() | 4 min 283 天前 让大模型写前大模型时代的代码, 去解决多模态大模型可以轻松搞定的问题? |
![]() | 5 bjzhou1990 283 天前 提问是一门艺术 |
6 jifengg 283 天前 回到你最初的问题。那些文字能选中,和你说到“盖章”是什么完全没关系,那个章 99.999%就是一张图片嵌入到 png 中。至于为何能选中文字。起始也是 pdf 还有一层文本层(但是是透明的),你选中的是那层文本层,它叠在你看到的文字上,看起来就像是选中了你看到的文字。 效果你可以参考:win 微信打开一张包含文字的图片,在上面选择 ocr 出来的文字的效果。 有些 pdf 看着明明是扫描版的,但是文字可以选择,也是这么来的。 |
![]() | 7 tyrone2333 283 天前 f 票 发票打出来犯法吗 |
![]() | 8 bk201 283 天前 没觉得厉害,单纯让它做一些体力活 |
![]() | 9 hahastudio 283 天前 @tyrone2333 看完帖子再回复犯法么 |
![]() | 10 FishNaCl 283 天前 via iPhone 我印象里电子发票的盖章是在 pdf 的注释层里面的,和发票不在一个图层,理论上是可以在 ocr 之前直接在程序上直接去掉盖章的 因为经常打印电子发票的时候,会发现打印出来没有那个章,经别人指点才发现要把“打印注释”勾选上才行。 |
![]() | 11 tankeco 283 天前 话说,为啥不扫发票上的二维码 |
12 TWorldIsNButThis OP 最新消息:还是自己手动用按面积提取的方式做了 然后晚上喜提 n+1 |
13 night98 283 天前 @TWorldIsNButThis #12 你这太 6 了,办法刚想出来了被裁了? |
14 ly841000 283 天前 都是吹出来的,反正我的工作是完全没法用,修改他的 BUG 时间比自己动手还慢 |
15 thingingWoods 283 天前 @TWorldIsNButThis NB |
16 TWorldIsNButThis OP @night98 倒没有因果关系,只是纯粹的时间上的先后 hhh |
17 wnpllrzodiac 282 天前 via Android 写 helloworld 一吧刷子 |