V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
wuDportgas
V2EX  ›  程序员

求助,如何将 pdf 根据一级标题进行切分

  •  
  •   wuDportgas · 123 天前 · 1101 次点击
    这是一个创建于 123 天前的主题,其中的信息可能已经有所发展或是发生改变。

    pdf 的格式很多很杂,有的标题是居中的,有的是左对齐的,如何将这些繁杂的 pdf 进行切割? (尝试过使用 itext5 ,但是对左对齐的标题格式不太好处理。)

    6 条回复    2024-08-26 16:34:45 +08:00
    functionABC
        1
    functionABC  
       123 天前
    要切割成啥样子呀?
    justNoBody
        2
    justNoBody  
       123 天前
    能不能发一个具体的材料,然后你想办法脱敏一下,我挺感兴趣的。
    SoloKing
        3
    SoloKing  
       123 天前 via Android
    借楼,我也有需求,PDF 或者 Word 的内容提取出来之后,按章节段落切分,有什么好的方法吗?
    mythabc
        4
    mythabc  
       123 天前
    1. 版式识别
    2. 多模态大模型
    wuDportgas
        5
    wuDportgas  
    OP
       120 天前
    @functionABC 根据一级标题去做切分
    wuDportgas
        6
    wuDportgas  
    OP
       120 天前
    @mythabc ocr 速度比较慢
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3078 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 22ms · UTC 12:48 · PVG 20:48 · LAX 04:48 · JFK 07:48
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.