text-extraction 相关问题

文本提取是从非结构化和/或半结构化机器可读文档（文本）中自动提取结构化信息的任务。

获取指定子串之前的子串

$title = 'the.test.hd.part12'; 我需要保持角色的状态，直到找到“部分”这个词。应该返回 - the.test.hd.

php string text-extraction

回答 3 投票 0

使用 pdfminer 将 PDF 转换为 HTML？

我正在开发一个项目，将多个 PDF 文件转换为基本 HTML 以放入网站。我想从 PDF 中提取文本和字体大小以直接解析为 HTML 标签。我已经尝试过...

python pdf text-extraction pdfplumber

回答 1 投票 0

从一串逗号分隔的短语中，获取每个短语的第一个单词

我有一个字符串，例如： “abc b、bcd vr、cd deb” 我想取这个字符串的第一个单词，直到这种情况下的每个点都会产生“abc bcd cd”。我的...

php string text-extraction delimited

回答 5 投票 0

解析 HTML 并隔离在具有 id 属性的合格标签的已知前缀之后找到的整数

简单来说，我有一个前缀为“msg”的字符串，后跟一些用作列表项 ID 的数字例如 ........................<... 简单来说，我有一个前缀为“msg”的字符串，后跟一些用作列表项 ID 的数字例如 <li id="msg1"></li>..............<li id="msg1234567890"></li> 获取数字的最有效方法是什么？在 VB 中，我会执行以下操作： str = "msg1" str = right(str,len(str)-3) 我如何在 PHP 中做类似（或更高效）的事情？在 php 中也是一样（使用 substr）： $str = "msg1"; $str = substr($str,3); 只需使用预浸料： preg_match_all('%<li id="msg(\d+)"></li>%i', $subject, $result, PREG_PATTERN_ORDER); substr( $string, 3 ); 参见 https://www.php.net/manual/en/function.substr.php 解析有效的 HTML 时，请使用 HTML 解析器。下面演示了如何使用 DomDocument 和 XPath 查询来专门定位带有 li 前缀的 msg 值的 id 元素，然后在推送之前使用 sscanf() 隔离 msg 之后的整数（转换为整数）进入结果数组。代码：（演示） $html = <<<HTML <ul> <li id="msg1"></li> <li id="msg1234567890"></li> </ul> HTML; $dom = new DomDocument(); $dom->loadHTML($html); $xpath = new DOMXPath($dom); $result = []; foreach ($xpath->evaluate("//li[starts-with(@id, 'msg')]/@id") as $id) { sscanf($id->nodeValue, 'msg%d', $result[]); } var_export($result); 输出： array ( 0 => 1, 1 => 1234567890, )

php arrays string html-parsing text-extraction

回答 4 投票 0

从 PDF 中提取文本和字体大小？

我正在尝试创建一个Python脚本，通过提取文本和字体大小并将它们解析为HTML，使用pdfplumber将PDF转换为HTML，但是，我遇到了一些困难。我是

python pdf text-extraction pdfplumber

回答 1 投票 0

使用 pymupdf (fitz) 以自然阅读顺序提取文本

我尝试通过应用本教程使用 pymupdf 或 fitz 提取文本 https://towardsdatascience.com/extracting-headers-and-paragraphs-from-pdf-using-pymupdf-676e8421c467 代替块...

python pdf text-extraction pymupdf

回答 1 投票 0

从 PDF 中提取时从文本中排除页码

我想使用 pypdf 包从实际文本中排除 PDF 的页码从 pypdf 导入 PdfReader reader = PdfReader(“pdf-examples/kurdish-sample-2.pdf”) 全文=“...

python pdf pypdf text-extraction

回答 1 投票 0

尝试使用python从word中提取文本时出错？

我目前正在尝试用 Python 编写一个函数，该函数允许我从 .docx 文件中提取文本。为此，我使用 python-docx 库。我的程序也做了它应该做的事情，至少

python python-3.x zip python-docx text-extraction

回答 1 投票 0

获取XML字符串中二级标签的名称

我正在尝试从 XML 文件获取数据并将其转换为 JSON。 $xml = simplexml_load_file('types.xml','SimpleXMLElement',LIBXML_NOCDATA); $json = json_encode($xml); $array = json_decode(...

php xml-parsing attributes simplexml text-extraction

回答 2 投票 0

Excel - 在字符串中的特定文本后提取 2 个字符

我希望有人可以帮助我使用 Excel 公式来提取字符串中特定文本后的两个字符。具体来说，该单元格包含以下文本“每 2 小时功率：1 航程：0...

excel excel-formula text-extraction

回答 1 投票 0

从块文本中获取子字符串对并形成关联数组

如何过滤我的内容并在其他地方一起显示这些值。内容通过 XML 加载，并由我们的客户端填充。因此我无法更改这些值。问题是

php arrays xml associative-array text-extraction

回答 4 投票 0

从键中获取以特定子字符串开头的数字后缀

我有一个数组，在该数组中我有一个数组键，看起来像，show_me_160，这个数组键可能会稍微改变，所以有时页面可能会加载，数组键可能是show_me_120，我想...

php arrays substring key text-extraction

回答 8 投票 0

正则表达式从 pdf 中提取段落并扩展到另一页

我是从 PDF 文件中提取数据的新手。我需要有关提取包含特定关键字的段落内容的帮助。我面临的问题是关键字是的段落，

python regex text-extraction

回答 1 投票 0

获取字符串中最后一次出现空格后的子字符串[重复]

回显$cookie[4]; 结果： #HttpOnly_bacohuracm 假/真 0 PHPSESSID 3A8DB8BE067954EE327A56F7F8D8B19C 我想删除这部分： #HttpOnly_bacohuracm FALSE / TRUE 0 PHPSESSID 并且只得到...

php string substring text-extraction

回答 2 投票 0

获取最后一个正斜杠之后的字符串剩余部分

如何收集最后一个/之后的所有内容？我正在提取 Google GData 使用的 ID。我的示例字符串是 http://spreadsheets.google.com/feeds/spreadsheets/p1f3JYcCu_cb0i0JYuCu123 哪里...

php substring text-extraction delimited last-occurrence

回答 8 投票 0

Pdf2text 无法在 Azure 函数应用程序中工作

我使用 textract 构建了一个脚本，它读取 pdf 文件的内容。其中包含以下函数：导入文本导入临时文件 def read_file(字节): 与 tempfile.NamedTemporar...

python azure-functions text-extraction pdf-reader

回答 1 投票 0

Javascript：从 PDF 中提取选定的文本到 JavaScript 中的输入文本框

我正在开发一个项目，其中应将选定的 PDF 文本复制到光标所在的输入文本框。有2个窗户。 1：输入文本框在哪里 2：PDF 是...