/ / Ako analyzujem PDF bez čítania obrázkov? - pdfbox, analýza textu

Ako môžem analyzovať PDF bez čítania obrázkov? - pdfbox, parsovanie textu

Analyzujem súbor PDF, ale nechcem extrahovať informácie uložené v obrázkoch a tabuľkách. Používam PDFBOX. Ako môžem odstrániť obrázky?

odpovede:

0 pre odpoveď č. 1 
pdftotext -raw <pdf_name.pdf> <output.txt>

Tým sa odstráni všetky formátovanie a vrátia sa reťazce, ktoré sú v PDF, žiadne obrázky.

Súvisiace otázky

Alternatíva k Tika / PDFBox na analýzu PDF v Solr (akákoľvek verzia neskôr ako 1.4) - solr, fulltextové indexovanie, pdfbox, apache-tika, prevod dokumentov
Nedá sa čítať vložené písmo ESNOYH + Calibri-Bold v pdf čítaní - scala, pdfbox, pdf-reader
PDFBox: Konverzia na obrázok: Strata kvality pri prevode PDF obsahujúca naskenované dokumenty - pdf, pdfbox
Ako vložiť neviditeľný text do PDF? - pdf, itext, pdfbox
Ako vytvoriť priehľadný text vo formáte pdfBOX alebo pridať opacitu do textu pomocou pdfBOXu? - pdf, text, transparentný, pdfbox
NoClassDefFoundError pomocou škálovateľného pluginu - pdfbox
Ako previesť PDF do PDF / A v jazyku Java - parsovanie, pdf, dokument, pdfbox, pdfa
Použitie Apache Lucene na analýzu veľkých súborov PDF - parsovanie, pdf, lucene, pdfbox
Problém s extrakciou súborov PDF s apache PDFBox 1.3.1 - java, pdfbox
Rozšírenie stránky PageDrawer vo formáte pdfbox 2.0.x - java, pdfbox
Pdf analyzovať text pomocou java - java, arabic, pdf - extrakcie
Existujú bezplatné knižnice na analýzu PDF, ktoré fungujú v systéme Android? java, android, parsovanie, pdf, text
Parse PDF zlyhá kvôli chýbajúcim tabuľkám rozloženia OpenType - java, pdfbox, true-type fonts
Načítať určitú časť údajov z pdf - java, extrakcie
Čítanie prvých znakov N súboru PDF pomocou súboru PDFBox - java, file-io, pdfbox
PDFBox PDFImageWrite.writeImage nerobí správne všetky znaky - java, pdf, pdfbox
PdfBox - Nie je možné extrahovať text z pdf - java, pdf, pdfbox
Pokúšate sa prevádzať PDF do textu pomocou písma - java, pdf, fonty, pdfbox, txtextcontrol
Text analyzátora PDF obsahuje - java, selenium-webdriver, pdfbox
Ako čítať prázdne bunky v súbore PDF v ASP.net - c #, pdf, pdfbox