170 похожих чатов

Может ли кто-то подсказать относительно простые и удобные методы, как

дербанить пдф книги на текст так, чтобы переводить его в удобоваримый для машинного обучения вид?

2 ответов

19 просмотров

pdfminer вроде норм для этого

A-L Автор вопроса
Артур Шадараев
pdfminer вроде норм для этого

я пользуюсь ПДФплумбером—настройкой над ПДФмайнером с некоторыми дополнительными фичами. Беда в том, что текст то оно вытряхивает. Но становится значительной проблемой корректно разделить его на предложения. Так, чтобы после заголовка без точки его не присобачивало к следующему предложению. И избегать такого рода проблем. Точно так же, оно запихивает в текст всякую пакость, вроде сносок, колонтитулов и подписей к рисункам. Как В совсем бы идеальном случае хорошо бы сообразить как отделять заголовки

Похожие вопросы

Обсуждают сегодня

Господа, а что сейчас вообще с рынком труда на делфи происходит? Какова ситуация?
Rꙮman Yankꙮvsky
29
А вообще, что может смущать в самой Julia - бы сказал, что нет единого стандартного подхода по многим моментам, поэтому многое выглядит как "хаки" и произвол. Короче говоря, с...
Viktor G.
2
30500 за редактор? )
Владимир
47
а через ESC-код ?
Alexey Kulakov
29
Чёт не понял, я ж правильной функцией воспользовался чтобы вывести отладочную информацию? но что-то она не ловится
notme
18
У меня есть функция где происходит это: write_bit(buffer, 1); write_bit(buffer, 0); write_bit(buffer, 1); write_bit(buffer, 1); write_bit(buffer, 1); w...
~
14
Добрый день! Скажите пожалуйста, а какие программы вы бы рекомендовали написать для того, чтобы научиться управлять памятью? Можно написать динамический массив, можно связный ...
Филипп
7
Недавно Google Project Zero нашёл багу в SQLite с помощью LLM, о чём достаточно было шумно в определённых интернетах, которые сопровождались рассказами, что скоро всех "ибешни...
Alex Sherbakov
5
Ребят в СИ можно реализовать ООП?
Николай
33
https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_h_common.erl#L174 https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_olp.erl#L76 15 лет назад...
Maksim Lapshin
20
Карта сайта