从PDF文件中的所需页面提取文本
我正在尝试使用表单识别器-Azure认知服务从pdf文件中提取文本。我使用的是定制模型，我用我的模型训练这项服务，然后尝试提取数据。
我的PDF通常有超过1页。但是我对从第一页提取文本感兴趣。Rest所有页面没有任何重要性。
那么，有没有什么方法可以训练我的系统通过给出页码从选定的页面中提取文本？
祝好
玛杜
共有1个答案
在培训模型时，表单识别器API目前不支持文档的页面范围。您可能需要使用第三方工具/API预处理文档，以便只发送需要使用模型进行培训的页面。
-
我有一个PDF文件，我想创建两个新的文件的基础上，原来的文件。第一个新文件应该得到原始文件的第1、2和4页，第二个新文件应该得到原始文件的第3页。在PHP7.3中这样做的最好方法是什么？我在这里发现了一个旧库，但我不想把这样一个旧库添加到我的代码中。在此基础上，我找到了一些云解决方案，但这也不是我想要的。没有简单的“现代”解决方案吗？
-
问题内容： 我正在尝试使用提取此 PDF文件中包含的文本。 我正在使用PyPDF2模块，并具有以下脚本： 运行代码时，得到以下输出，该输出与PDF文档中包含的输出不同： 如何提取PDF文档中的文本？ 问题答案： 要从PDF提取文本，请使用以下代码
-
我正在尝试从PDF中提取文本(https://www.sec.gov/litigation/admin/2015/34-76574.pdf)使用PyPDF2，我得到的唯一结果是以下字符串： 这是我的代码： 这段代码在我正在使用的一些PDF上正常工作（例如。https://www.sec.gov/litigation/admin/2016/34-76837-proposed-amended-dist
-
问题内容： 我正在寻找有关如何使用带有Python的PDFMiner从PDF文件提取文本的文档 或 示例。 看来PDFMiner更新了他们的API，我发现的所有相关示例都包含过时的代码（类和方法已更改）。我发现的那些使从PDF文件提取文本的任务更加容易的库正在使用旧的PDFMiner语法，因此我不确定如何执行此操作。 照原样，我只是在查看源代码，以查看是否可以解决。 问题答案： 这是一个使用当前版
-
我有一个列表。pdf，ppt，pptx，xls，xlsx，doc和。docx文件，现在想在这些文件中查找电子邮件地址。我的问题是如何从这些文件中智能地提取计划文本。目前我正在使用Apache POI，我对每种类型的文件都有一个单一的方法，是否有一个更短、更优雅的位置来做这件事？也许还可以处理。ODT、.ODP、.ODS文件？如何从。pdf,ppt,pptx,xls,xlsx,doc和.docx文件
-
问题内容： 我需要使用iText从pdf文件中提取文本。 问题是：一些pdf文件包含2列，当我提取文本时，我得到一个文本文件，其中的列作为结果合并（即同一行中两列的文本） 这是代码： 你能帮我完成这个任务吗？ 问题答案： 我是iText文本提取子系统的作者。您需要做的是开发自己的文本提取策略（如果您看一下如何实现的话，就会发现您可以提供可插拔的策略）。 您将如何确定列的开始和停止位置完全取决于您-