这是一个创建于 1642 天前的主题，其中的信息可能已经有所发展或是发生改变。
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。 |
Select Language