问题标签 [pdftextstream]

未使用pdftextstream-2.6.3.jar从Sample.pdf文件中提取文本

我有一个 PDF 文件，想从中提取文本。我正在使用 PDFTextStream。我从它的文档中得到了这段代码，但它给出了错误。

这是错误：

我正在使用 PDFTextStream 3.3.1 版。第 12 行是这样的：

我有一个 pdf 文件（下面给出了其中的一部分），并想从中提取文本。我使用过 PDFTextStream，但它不适用于此文件。（但是它与其他文件一起使用，它有简单的文本）。

还有哪些其他 OCR 库能够做到这一点？

请帮忙。谢谢你。

我无法理解并找到 tj 运算符的值是如何生成的？？

在这里，我在文本显示更改之前和之后粘贴结果（在第二个块上，我更改了位置 Left-Justice，然后再次返回居中）

我认为pdf使用一些prng，但是什么样的，我找不到

请帮忙

[(\003\024\027\005\003\030\036\b) -114.267 (\003\006\007\024\036\b)-113.297(\026\002\024\003\032\020 \b) -113.337 (\b) -111.574 (#\024\002\f\005\002\021\003\007\004\f\005\b) -117.089 (\003\006\002\003\ b) -114.08

[(\003\024\027\005\003\030\036\b) -114.366 (\003\006\007\024\036\b)-113.297(\026\002\024\003\032\020 \b) -113.327 (\b) -111.693 (#\024\002\f\005\002\021\003\007\004\f\005\b) -116.98 (\003\006\002\003\ b) -114.188

我有数千个可搜索的 PDF，其中一些高达 1GB，超过 2000 页。我需要能够使用 Node.js 应用程序在这些文件中搜索文本字符串。

目前，文件存储在 Google Cloud Storage 存储桶中。

最好的方法是什么？

一些选项：

• 使用 NPM package 之类的东西将 PDF 文件中的文本读入 MySQL pdf-text-extract。然后使用 MySQL 查询来搜索文本字符串。
• 使用一些 NPM 包直接搜索 PDF 文件。

我完全没有了？有没有更好的办法？

我正在从 pdf 中进行文本识别和提取，我需要为此安装 textract。但是我在安装时收到此错误：

我不知道如何解决这个问题。