社区
Web 开发
帖子详情
pdf解析
一叶飞舟
Java领域新星创作者
博客专家认证
2016-08-30 03:48:08
最近有一个需求,要把新三板挂牌公司年报(pdf文件)的各种表格数据解析出来。
但是问题来了,怎么能准确找到某列对应的某值(因为,表格中的列名顺序不固定,名称也会有差异)。
各位大神,有谁做过这方面的研究,欢迎讨论讨论,有什么先进的处理技巧、方法、代码欢迎贴上,不甚感激!
...全文
361
8
打赏
收藏
pdf解析
最近有一个需求,要把新三板挂牌公司年报(pdf文件)的各种表格数据解析出来。 但是问题来了,怎么能准确找到某列对应的某值(因为,表格中的列名顺序不固定,名称也会有差异)。 各位大神,有谁做过这方面的研究,欢迎讨论讨论,有什么先进的处理技巧、方法、代码欢迎贴上,不甚感激!
复制链接
扫一扫
分享
转发到动态
举报
AI
作业
写回复
配置赞助广告
用AI写文章
8 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
一叶飞舟
2016-09-01
打赏
举报
回复
jack_qdb
2016-08-31
打赏
举报
回复
一般使用开源的iText库来创建PDF文档,不过这个库也提供了解析已有pdf文档的API,本人没有用过,你可以参阅下官网http://itextpdf.com/ pdf的表格格式大小位置都不变的话,可以考虑用位置来获取值 pdfbox有个demo是按位置提取text, 另外还有一个demo帮助你找到每个字符的位置 但如果pdf是扫描的,那得找ocr控件获取text pdf中也有个acroForm的东西,但至今没有遇到过pdf含有此单元,所以没做过,楼主也可以试着在document中找找有没有这个元素,如果有可能更简单 如果楼主想先看一下pdf的结构,pdfbox有app版,之中有个debbuger可以查看pdf结构 对于一些画上去的checkbox之类,我找到的办法是将pdf转为image然后判断特定位置上pixel值判定checkbox有没有被选中 但由于pdfbox中toImage单元还处于beta阶段,不太稳定,有时候一些font的问题会导致程序崩溃,建议在转image之前清除所有文字
能源恒观
2016-08-31
打赏
举报
回复
帮忙顶一下,同样关注,大神出来解答一下
一叶飞舟
2016-08-31
打赏
举报
回复
一叶飞舟
2016-08-31
打赏
举报
回复
一叶飞舟
2016-08-31
打赏
举报
回复
现在需要明确几个问题: 1、针对这类财报的解析,表的名称相对而言是相同的; 2、表格中的每个标题会有差异,包括前后顺序、个数; 3、表格在pdf的位置是不固定的; 通过位置获取,是否需要提供一个表名称,这样从这个位置开始,读表格内容? 但是问题来了,pdfbox或itext解析表格的时候,并不会按照表格的排版输出content,所以会造成行标题混乱,数据混乱,无法彼此对应,这个问题如何处理?
一叶飞舟
2016-08-30
打赏
举报
回复
一叶飞舟
2016-08-30
打赏
举报
回复
PDF
.js
解析
PDF
文件demo
pdf
.js
解析
PDF
文件DEMO 下载这个DEMO 轻松搞定在线
解析
PDF
文件 支持翻页浏览
pdf
.js 是一个技术原型主要用于在 HTML5 平台上展示
PDF
文档,无需任何本地技术支持 注意:只兼容支持HTML5的浏览器
android源码设计模式
解析
与实战.
pdf
下载 完整版高清
本书从Android源码的角度由浅入深地剖析设计模式的运用,让工程师们把设计与模式重视起来,提升自己的设计能力与代码质量。因此本书适合的读者为初、中、高级Android工程师。另外,设计思想都是相通的,其他领域的...
深入
解析
ATL(第2版)
PDF
高清中文版
深入
解析
ATL(第2版)
PDF
高清中文版 ATL8.0 VS2005 part5
深入
解析
WINDOWS操作系统(第4版)中文带标签完整高清版
PDF
109M包6/6
深入
解析
WINDOWS操作系统(第4版)中文带标签完整高清版
PDF
109M包6/6 只有包1要积分。 深入
解析
WINDOWS操作系统(第4版).
pdf
大小: 114798168 字节 修改时间: 2009年11月4日, 19:20:23 MD5: D358872A4C79B5F7388EFB...
Web 开发
81,122
社区成员
341,744
社区内容
发帖
与我相关
我的任务
Web 开发
Java Web 开发
复制链接
扫一扫
分享
社区描述
Java Web 开发
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章