问题标签 [pdf-parsing]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
php - 'Smalot PDF Parser' 结果：文本不在同一行
所以我安装了 PDF Parser ( http://www.pdfparser.org/ )。我检查了他们的网站并使用了演示。这给了我想要的结果。经过数小时的搜索如何使用作曲家，我终于设法让它工作。现在我遇到了下一个问题，如何从演示中获取结果。
我使用了文档页面上给出的示例代码。它确实提取了文本，但所有文本都在同一行。当我使用演示时，每个新页面都以新段落开头，并且每段文本都放在单独的行上。代码：
正如我所说，当我使用上面的代码时，我将所有文本放在一行上。我的问题是如何获得与演示页面上的脚本相同的结果？
java - 无法覆盖 PDFTextStripper.writeString（字符串文本，列表使用 c# 的 textPositions) 方法？
我正在使用 PdfBox 的 .net 进行解析以从 pdf 中提取文本以及文本位置。为此，在搜索时我发现了以下 java 代码：
我通过以下方式将其转换为 .net：
但是，我收到上述代码的编译错误：
错误 1 方法“writeString”没有重载需要 2 个参数
错误 2 'PDFTextLocationStripper.writeString(java.lang.String, java.util.List)'：找不到合适的方法来覆盖
那么，如何覆盖 writeString 方法以便可以提取文本和位置？
ios - 快速编写 PDF 文本解析器
我目前正在快速开发一个 pdf 文本解析器。我正在查看 PDFKittens 代码，并在将 CGPDFStringRef 作为参数的 stringwithpdfstring 方法（在 SimpleFont.m 中）中找到了这一点。
根据我的理解 *bytes 是一个 CChar，这个方法到底是什么迭代槽？当我将此代码翻译为 swift 时，我收到 Type UnsafePointer? 没有下标成员。 swift中那个目标c代码的等价物是什么......？
php - 如何使用 php 解析和重新生成 PDF
我想编辑 PDF 的某些部分并在编辑后以相同的格式重新生成它。我已经尝试过pdftk，但它不允许编辑只读标签。我成功解析了pdf，Smalot pdf parser但现在我不知道如何在解析后再次以相同的格式重新生成它？
提前谢谢！！！1
java - 使用java中的pdfbox将外部自定义字体加载到pdf文档中
我的目标是使用 PDFBox 读取具有非内置编码的内容。
如图所示，我能够从 PDF 中提取所有类型为 TrueType 和 Encoding Built-in的字体的文本。结果，我得到了子编码文本，而不是Type1 类型和自定义编码的内容
我收到以下文字！
实际上，pdf 中的文本是 7.+13。描述反应
无论如何，我们可以使外部字体文件可用于 pdf 并强制 pdfbox 将这些文件加载到文档中，以便我们将获得 pdf 中存在的实际文本。
python - PDFminer 空输出
在使用 pdfminer (pdf2txt.py)处理文件时，我收到了空输出：
谁能说这个文件有什么问题以及我可以做些什么来从中获取数据？
这是dumppdf.py docs/homericaeast.pdf输出：
javascript - node.js 如何使用 url 作为 pdf-path 来使用 pdf2json
我正在使用 node.js 和 pdf2json 解析器来解析 pdf 文件。目前它正在使用本地 pdf 文件。但我试图通过 node.js 的 URL/HTTP 模块获取一个 pdf 文件，我想打开这个文件来解析它。
有没有可能解析/使用在线pdf？
所以 url 应该通过如下 url 给出：https://localhost:8080/?pdf=http://whale-cms.de/pdf.pdf
有没有办法在在线pdf/链接中解析它？
提前致谢。
php - 如何使用 Smalot/PDFParser 从 PHP 中的 PDF 文件中提取书签？
现在我正在使用 PHP 和 Laravel。我的目标是从上传的 PDF 文件（使用 Form 和 POST 方法）中提取尽可能多的信息，例如元数据（作者、标题等）、首页（封面）、每页的内容和可用章节（从书签）。
我目前正在使用此处提供的 smalot 的 PDF 解析器，但文档仅涵盖了一些我已经从 PDF 文件中获得的基本示例。
问题：我目前的问题是提取这些书签以完成章节的要求。有谁知道如何使用这个特定的解析器提取这种类型的内容？
我目前的代码如下所示：
请注意，这只会产生如下所示的输出：
pdf - 从没有 XFA 表单的 PDF 文档中读取数据
我使用 iText 阅读包含 XFA 表单的 PDF 文档。我将其转换为 XML，从 XML 读取数据并将其插入数据库。但是，如果我在 PDF 中没有 XFA 表单，那么如何有效地从 PDF 中读取数据？
python - 使用 functools.partial 为 pdfquery 获取属性错误制作自定义过滤器
背景
我正在使用 pdfquery 来解析多个像这样的文件。
问题
我正在尝试编写一个通用的文件管理器函数，建立在pdfquery's docs中提到的自定义选择器的基础上，它可以将特定范围作为参数。因为this被引用了，所以我认为我可以通过使用提供部分函数来解决这个问题functools.partial（如下所示）
输入
但是当我这样做时，我得到以下属性错误；
输出
有没有办法解决这个问题？或者可能以其他方式为 pdfquery 编写可以接受参数的自定义选择器？