我有需要用作 Ruta 输入的 pdf 和 word 文件。我可以将它们转换为文本文件，但如果这样做会丢失所有表格和格式。无论如何我可以在不丢失任何信息的情况下使用它们吗？
谢谢！
问问题
101 次
1 回答
1
您需要一个能够将 pdf (/doc/docx) 转换为 html 的附加程序。主要有两种不同类型的 PDF 转换器：一种是使用绝对位置来生成好看的 html，另一种是只依赖 html 元素和 css。对于处理表，我推荐后者。我个人用的是商业的方案，不过也有很多不错的开源软件，例如pdf2htmlEX
如果您有 html，则可以应用 HtmlAnnotator 和 HtmlConverter 来获取带有 html 标签注释的纯文本，如UIMA Ruta 文档中所述
于 2016-03-03T16:48:23.747 回答