2回答
我目前正在开发一些代码来从网站上抓取文本。我对抓取整个页面不感兴趣，但只对包含某些单词的页面部分感兴趣。我已经设法使用.find_all("p")命令对大多数URL执行此操作，但是对于定向到PDF的URL不起作用。 我似乎找不到一种方法将PDF作为文本打开，然后将文本分割为段落。这就是我想做的:首先1)打开一个PDF嵌入<em
浏览 32提问于2021-04-26得票数 3
我有一个word文档(Docx)的乌尔都语文本在Jameel Noori Nastaleeq字体。而在word中，它显示了10页的文件，但导出为PDF后，它显示的是11页的pdf文件，因为每个字母都包含额外的空格。编辑：
请从下载该文件
浏览 0提问于2017-05-02得票数 0
我需要一个测试的帮助，我正在为之编写，以将它上传到Xamarin测试云。你知道有什么方法可以检测特定的单词坐标吗？我的意思是，开发团队已经将一个URL合并到一个段落中，我需要点击URL，例如，该段是"...hello to ，从我的新工作站.“，并且这个URL只嵌入在"everybody”字中，所以我需要点击这个特定的
浏览 1提问于2017-11-15得票数 0
我试图找到一种方法，使用字符串作为起点来隔离特定段落，其中字符串可以是行的任何部分中的一个单词(不一定是结束或开始)。输入：JUNKTEXTJUNKTEXTJUNKTEXT
浏览 24提问于2022-01-27得票数 0
回答已采纳
1回答
我正在开发一些代码来从网站上抓取文本。我对抓取整个页面不感兴趣，但只对包含某些单词的页面部分感兴趣。理想情况下，我希望抓取包含该单词的整个段落。我见过使用.find_all("p")行的示例，但我发现许多网站不使用HTML定义的段落("p")。因此，我不想这样做。 现在，我正在使用一种方法，即在搜索某个单词
浏览 14提问于2021-04-02得票数 2
回答已采纳
2回答
事实上，我试图隐藏信息(通过使用特定的隐写方法.)在现有的PDF文档中，我希望通过稍微修改字符的位置来插入嵌入的消息。所以我知道，在一行中，所有字符都有相同的y轴，但x轴不同。因此，我想通过修改同一行中字符的x轴来插入一些位，并通过修改属于不同行的字符的y轴来插入一些位(每个字符位于一条特定的行中，但我不知道行
浏览 2提问于2014-01-06得票数 0
回答已采纳
1回答
例如，如果我有一个有两个段落的语料库，那么段落向量会产生两个向量吗?另外，对于句子和文档的分布式表示(Q. Le，T.Mikolov)，我不明白为什么段落向量在段落之间是唯一的，但是单词向量是共享的。为什么？
浏览 0提问于2016-11-16得票数 0
回答已采纳
我想看看是否有人曾经成功地从一个网站的.txt文件中包含的多个url下载嵌入式pdf文件？例如： 我尝试了wget -i urlist.txt的几种组合(它可以完美地下载所有html文件)；但是它也不能抓取每个html文件的嵌入.pdf?xxxxx <- .pdf?*末尾的slug 此障碍的确切示例如下： 这个数据集我已经将所有2页链接放入
浏览 20提问于2020-12-29得票数 0
回答已采纳
2回答
我必须找出给定的短语/单词是否存在于段落中。这是我所做的，给定"wordlist“是我必须在其中查找短语/单词的段落，而”word“是短语/单词。我希望"true“仅在短语/单词按原样出现并且不是"wordlist”中其他字符串的一部分的情况下。因此，包含&q
浏览 5提问于2016-11-18得票数 1
我有一个ms-word文档，其中Helvetica 13.5是段落的主要字体。不幸的是，它没有绑定到文档中任何特定的预定义样式(文本是从网站复制到文档中的)。此外，你会看到在段落中嵌入了几个斜体的单词和一些'Courier New‘的单词。
我想要做的是遍历文档，查找具有单一字体/大小<em
浏览 3提问于2014-11-25得票数 0
3回答
我的目标是提取包含特定关键字的文本段落。不只是包含关键字的行，而是整个段落。强加于我的文本文件的规则是，每个段落都以特定的模式(例如Pa0)开头，该模式在整个文本中仅在段落开头使用。每个段落都以换行符结尾。bla
我的目标是提取这些包含单词</em
浏览 4提问于2015-09-03得票数 3
1回答
我正在使用pepa函数来提取pdf文档中包含单词“人工智能”的段落。但是，我不会提取包含这些单词的所有段落。我错过的要少得多。它不能从文档的末尾提取这些内容。dirct <- directory_path
result <- keyword_directory(dirct, keyword = 'Artificial Intelligence', s
浏览 15提问于2020-09-24得票数 0
我正在编写一些代码(Python)来从网页中抓取文本。我的目标是找到一种方法来过滤/删除网页上不属于主文章的段落(例如广告、链接到其他文章等)。到目前为止，我一直在使用.find_all("p")命令从文本中提取段落，虽然成功地从文本中提取了许多基本段落，但这些段落并不在每篇文章的主体/正文中。paragraphs = paragraphs + [paragraph]
浏览 6提问于2021-07-27得票数 0
回答已采纳
5回答
在提供指向网站上PDF文件的链接时，是否可以在URL (请求参数)中包含信息，从而使PDF浏览器插件(如果使用)跳转到特定书签，而不是仅在开头打开？我假设，如果有答案，它可能特定于Adobe的PDF阅读器插件或其他东西，并且可能有版本限制，但我最感兴趣的是该技术是否存在。
浏览 1提问于2008-09-24得票数 83
回答已采纳
简而言之:我正在寻找与以下PowerShell命令等价的awk：我的目标是从包含特定关键字的文本中提取选择段落--不仅仅是包含关键字的行，而是整个段落。强加在我的文本文件上的规则是，每个段落都以某种模式(例如，Pa0
浏览 3提问于2020-06-11得票数 1
回答已采纳
我有一个身体内容在我的邪恶-pdf报告的可变字体大小。p {}如果字号为16 in，那么我应该将其改为17 in；或者如果包含</em
浏览 1提问于2014-04-26得票数 0
回答已采纳
我已经用Adobe Illustrator创建了一个PDF文件，并用itext7 pdfreader加载到内存中。该PDF文件已经包含名为"Lato ( embedded )“Encoding:Ansi的嵌入式字体。 如何创建一个PDFFont对象，以便我和可以使用它来绘制其他段落？
浏览 36提问于2019-03-13得票数 0
2回答
我的数据很少，所以我的word2vec模型表现不好。我的目的是识别与技术术语类似的词，如“支持向量机”、“机器学习”、“人工智能”等。如有需要，我乐意提供更多例子:)
浏览 0提问于2018-03-25得票数 0
回答已采纳
我从正则表达式开始，并且尝试从超过3000页的pdf文件中选择有两个特定单词(IDAILDA或282610/SP)的所有段落。
按照这个逻辑，我应该有完整的第一和第三段来回答我
浏览 2提问于2019-10-11得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
