文件名称:
pd3f::factory:PDF文本提取管道-源码
开发工具:
文件大小: 420kb
下载次数: 0
上传时间: 2021-03-09
详细说明：pd3f – PDF文本提取器
超越PDF
实验性使用，请谨慎使用。
pd3f是一个PDF文本提取管道，该管道是自托管，本地优先和基于Docker的。 它借助机器学习来重建原始连续文本。
pd3f可以使用 （Tesseract）进行OCR扫描的PDF，并使用和提取表。 它基于的输出。 Parsr检测文本的层次结构，并将文本拆分为单词，行和段落。
即使Parsr为PDF带来了一些结构，但文本仍然是混乱的，即由于连字符引起的。 底层的Python包尝试通过删除连字符， 行和/或空格来重建原始的连续文本。 它使用来猜测原始文本的外观。
pd3f对于长单词的语言（例如德语）特别有用。 它主要用于解析德语信件和官方文件。 除德语外， pd3f支持英语，西班牙语和法语。 稍后将添加更多语言。
pd3f包括基于Web的GUI和基于的微服务（API）。 您可以在找到演示。
文献资料
在以下位置
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
