text-extraction

1зной

3ответ

Зачистка HTML, но сохранение структуры блока/строки

Я хотел бы преобразовать HTML в обычный текст, но сохранить минимальную структуру. Все разделы, которые содержат материал, только браузер должен видеть такие как < сценарий > и < стиль > раздеть полно

html filter text-processing text-extraction text-formatting 2010-12-09

---

1зной

4ответ

Извлеките линии ниже категории и остановитесь, когда достигнете другую категорию

Предположим, у меня есть текстовый файл жанров фильмов с моими любимыми фильмами под каждым жанром. [категория] Ужасы: фильм фильм Фильм [категория] Комедия: Фильм [категория] Действие: фильм фильм Ка

python text-extraction 2010-11-10

---

0зной

1ответ

«Неожиданный цветовое пространство/R11» при синтаксическом анализе PDF файл с текстом и изображением

System.ArgumentException был необработанное кодом пользователя Message = Неожиданное цветовое пространство/R11 Источник = itextsharp StackTrace: в iTextSharp.text.pdf. parser.InlineImageUtils.GetCompo

c# pdf itextsharp text-extraction 2010-11-24

---

1зной

4ответ

Regex для извлечения только TR с TDs

Доброе утро Я пытаюсь получить строки таблицы (TR), который должен иметь один или несколько ячеек таблицы (TD): Имея эту строку <TABLE> <TR valign="top"> <TH>First</TH> <TH>2nd</TH> <T

c# html regex text-extraction 2010-11-25

---

0зной

2ответ

Удаление ненужных данных с html-страниц

Чтобы оценить мой проект, мне нужно запустить его на веб-страницах. Поэтому я загружал страницы из Интернета и использовал html2text для удаления тегов html. Однако для моего проекта мне нужны только

java python open-source web-crawler text-extraction 2010-12-08

---

0зной

3ответ

C# regex для извлечения ссылки после =

Не удалось найти лучший заголовок, но мне нужно, чтобы Regex извлекал ссылку из примера ниже. snip... flashvars.image_url = 'http://domain.com/test.jpg' ..snip Предполагая, что regex - лучший способ

c# regex text-extraction 2010-10-24

---

114зной

15ответ

Как извлечь текст из PDF?

Может ли кто-нибудь рекомендовать библиотеку/API для извлечения текста и изображений из PDF? Нам нужно иметь возможность получить текст, который содержится в заранее известных областях документа, поэт

pdf text ghostscript extraction text-extraction 2010-09-06

---

3зной

2ответ

Извлечение текста из PDF: PDFLib vs PDF extract vs pdf2xml

Я ищу библиотеку (если возможно, на Java или PHP), чтобы извлечь текст из PDF. Существует много программного обеспечения доступны, в том числе: 3-Хайтс ™ PDF Extract http://www.pdf-tools.com/pdf/pdf-e

java php pdf text-extraction 2010-09-21

---