Как извлечь текст из pdf файла отделавшись малой кровью?

Question

[musclecode]

нужно извлечь из словаря отдельно слова и отдельно их значения, в словаре больше 10к слов, вручную делать будет сложновато и нудно, есть ли какие нибудь варианты как сделать это быстрее, эффективнее?

Answer 1

[Antonio Solo]

все зависит от внутренней структуры pdf.

я в свое время перегнал pdf в картинки а потом через распознаватель текста. но подозреваю со словарем такое не получится.

если внутренняя структура у pdf-ки регулярная, то можно написать декодер - в конце концов это текстовый формат и можно написать декодер вот пример https://habrahabr.ru/post/69568/

Comments

[musclecode]

перегнал через finereader текст можно выделять, вопрос в том как теперь быстро извлечь слово отдельно и значения этого слова отдельно

[Antonio Solo]

musclecode, это смотря как он тебе распознал. картинку покажи что у тебя исходно