
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!
     1   summerwar      2020-06-03 21:22:25 +08:00  ocr 识别 然后 txt 就好了   |  
     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。   |  
     3   optional      2020-06-03 21:52:55 +08:00  pdfjs   |  
     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   |  
     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。  |