/ / Comment analyser un PDF sans lire les images? - pdfbox, analyse de texte

Comment analyser un PDF sans lire les images? - pdfbox, analyse de texte

J'analyse un fichier PDF mais je ne souhaite pas extraire les informations stockées dans les images et les tableaux. J'utilise PDFBOX. Comment puis-je supprimer les images?

Réponses:

0 pour la réponse № 1 
pdftotext -raw <pdf_name.pdf> <output.txt>

Cela supprimera toute la mise en forme et renverra les chaînes qui se trouvent dans le PDF, sans images.

questions connexes

Alternative à Tika / PDFBox pour l'analyse de PDF dans Solr (toute version ultérieure à 1.4) - solr, indexation de texte intégral, pdfbox, apache-tika, conversion de document
Impossible de lire la police incorporée ESNOYH + Calibri-Bold en lecture de pdf - scala, pdfbox, pdf-reader
PDFBox: Conversion en image: perte de qualité lors de la conversion de fichiers PDF contenant des documents numérisés - pdf, pdfbox
Comment insérer du texte invisible dans un PDF? - pdf, itext, pdfbox
Comment créer du texte transparent dans pdfBOX ou ajouter de l'opacité au texte à l'aide de pdfBOX? - pdf, texte, transparent, pdfbox
NoClassDefFoundError utilisant un plugin boxable - pdfbox
Comment convertir un PDF en PDF / A en Java - analyse, pdf, document, pdfbox, pdfa
Utiliser Apache Lucene pour analyser des fichiers PDF volumineux - analyse, pdf, lucene, pdfbox
Problème d'extraction de PDF avec apache PDFBox 1.3.1 - java, pdfbox
Extension de PageDrawer dans pdfbox 2.0.x - java, pdfbox
Pdf analyse en texte avec java - java, arabe, pdf-extraction
Existe-t-il des bibliothèques d'analyse de PDF gratuites qui fonctionnent sous Android? - java, android, analyse, pdf, texte
Parse PDF échoue à cause des tables de disposition OpenType manquantes - java, pdfbox, polices de type true
Récupérer une portion particulière de données de pdf - java, extraction
Lecture des N premiers caractères d’un fichier PDF à l’aide de PDFBox - java, file-io, pdfbox
PDFBox PDFImageWrite.writeImage ne gère pas tous les caractères correctement - java, pdf, pdfbox
PdfBox - Impossible d'extraire du texte de pdf - java, pdf, pdfbox
Essayer de convertir un PDF en texte avec des polices - java, pdf, polices, pdfbox, txtextcontrol
Le texte de l’analyseur PDF contient - java, sélénium-webdriver, pdfbox
Comment lire la cellule vide dans un fichier PDF dans ASP.net - c #, pdf, pdfbox