问题标签 [pdfparser]

我正在使用 php Pdfparser 和 pdftotext 从 pdf 中提取印地语/devnagri 文本。但是我使用上述两种方法得到了同样的垃圾或垃圾。

垃圾，例如：

如果我在谷歌中粘贴这个垃圾，它会显示正确的印地语页面。可能是乱码是正确的，但它是不同的语言。

如果有人可以支持从 pdf 到文本中提取确切的可读文本。

我有一个asp.net Core 2.0 C#应用程序可以读取/解析 PDF 文件并获取文本。在此我想读取具有特定标签名称的特定值。您可以看到下图我想获取数字的值171857并将其Invoice存储在数据库中。

我尝试使用下面的代码来阅读 pdf iTextSharp。

在pdfText变量中，我将从 pdf 中获取所有文本内容，但这似乎不是获取发票编号的正确方法。有没有其他方法可以通过它的标签名称从 pdf 中读取特定内容，就像我们将提供标签名称一样Invoice，它将返回值171857作为其他 3rd 方 pdf 阅读器库的示例？

任何帮助或建议将不胜感激。

谢谢

我正在使用 pdfparser 从 PDF 文件中复制文本，但某些 PDF 文件受到复制保护或具有不同的字体，因此 pdfparser 无法正常工作，是否可以从受复制保护的 PDF 中获取文本？

这是我的代码：

尝试此代码后，我没有收到任何错误或警告。此代码仅显示空格。我也尝试过 utf-8 编码，但它仍然无法正常工作？

我正在尝试解析 PDF 的内容。基本上它们是科学研究论文。

这是我试图抓住的部分：

我只需要论文标题和作者姓名。

我使用的是PDF Parser Library。而且我能够使用以下代码获取标题部分文本：

我所做的是，解析第一页的全文，然后它将以纯格式返回整个文本。由于所需的内容在 word 之前ABSTRACT，我尝试拆分文本，然后拆分行。

我假设前两行是标题，第三行是作者姓名。到目前为止，我在上面的屏幕截图中显示的论文给出了正确的结果。

但是在以下情况下会出现问题：

1. 如果论文标题是单行，我事先并不知道。所以我的代码总是将前两行作为纸片返回。这可能会同时给出标题和作者姓名paper_title

2. 如果论文标题是三行，这同样会产生问题。

3. 如果有超过 1 个作者，那么我的代码将不会返回正确的数据。

那么关于我如何有效地从 PDF 科学论文中获取论文标题和作者姓名等数据的任何建议？确信他们在使用 LateX 工具创建 PDF 时都遵循相同的模式。有更好的解决方案或线索吗？

请注意，我正在尝试在我网站上传的论文上执行此操作。我使用 PHP 作为服务器端语言。

谢谢

目前正在验证pdf文件。我在 Laravel 中使用 PHP pdfparser 来提取文件。但有些文件无法提取。我想出了降级pdf文件以解决问题的解决方案，但仍然不适合我。

我试图将 pdf 文件从 1.7 版降级到 1.4 版，但它不允许我这样做。

我需要阅读 pdf 文件的内容并确定它是否存在漏洞。

我用 Composer 安装了 PdfParser，它在我打开页面 cron.php 时工作。pdf被解析。

这是我在 cron.php 中的代码：

我在 ubuntu 16 服务器中设置了一个 cron 以使用以下代码启动页面 cron.php：

该页面有效，但日志告诉我：

这是我的 autoload.php

这是我的“路径/文件”，其中日志说这是缺少的类 public_html/post/vendor/smalot/pdfparser/src/Smalot/PdfParser/Parser.php

当我手动启动 cron.php 但不在 crontab 中时，它会解析 pdf 我被卡住了 4 天，我不知道问题出在哪里。请我需要你的建议。谢谢埃米尔。

这里我使用了一个 PDF 解析器 PHP 库：

但它只给了我这个结果：

虽然我试图从https://www.pdfyeah.com/view-pdf-metadata/获取元数据，但它给了我这个结果：

这就是我想要的元数据。如何使用 PHP 从元数据中找到它？

我正在尝试解析超过 300 页的 pdf。我正在使用pdf-parse npm package。pdf 有 300 页。但是我的应用程序在解析 pdf 时崩溃了。我的问题是我可以一次解析一页吗？下面是我尝试过的代码。

我正在使用https://www.npmjs.com/package/pdf2json npm 包，它将从给定路径中选择 pdf，当 pdf 解析器准备好解析它时，它会触发一个事件pdfParser_dataReady。我想将它与异步等待一起使用。

在上面的代码里面pdfParser_dataReady我调用了一个initPdfParser返回一些数据的方法。并且defineParser函数以异步方式从其他函数调用。

我的问题是如何在上述情况下使用异步等待，以便该defineParser函数将等到pdfParser_dataReady事件被触发并从initPdfParser函数返回数据，以便uploadEmailDoc获取最终数据并返回它。我尝试了几种方法，但找不到从事件回调中获取响应的方法。

任何帮助将非常感激。

我正在使用 pdfparser 从 PHP 上的 pdf 中解析和读取文本。它适用于某些 pdf 文件。但是，对于某些文件，它会抛出一条错误消息：“当前不支持受保护的 pdf 文件。”。当我尝试使用 Adob​​e 之类的 pdf 阅读器打开 pdfparser 认为安全的文件时，我可以毫无问题地打开它们。

我尝试了几种方法，例如使用 file_get_contents 和 file_put_contents 再次保存文件以检查它们是否可以工作，但无济于事。是否有任何解决方案来解析和读取这些文件中的文本？非常感谢任何解决方案。