我正在测试Azure搜索，以索引我的网站进行搜索。在与索引PDF文件相关的教程中<
浏览 1提问于2019-09-23得票数 0
回答已采纳
我正在使用Azure搜索自动索引word文档，这些文档被上传到Blob存储。我使用搜索的唯一原因是从单词或PDF文档()中提取文本--从那时起，我从索引中读取并删除它。问题是，搜索索引只能每5分钟运行一次--我需要它在blob上传后尽快运行。因此，我要么需要按需运行(每次添加新blob时触发)，要么想出如何将Word/PDF文档插入索引
浏览 1提问于2018-07-16得票数 0
回答已采纳
我有一个相当简单的任务:我需要读取一个PDF文件并写出它的图像内容，而忽略它的文本内容。所以基本上我需要做“另存为文本”的补充。下面是如何做到这一点的例子？
谢谢!
浏览 0提问于2012-03-07得票数 6
回答已采纳
我读过elasticsearch 的全文搜索，但不能理解它用来索引pdf文件的算法。
浏览 21提问于2017-02-09得票数 0
使用Apache，可以获得不同类型的不同文件的内容和元数据。
是否也可以用Tika获得文件关键字(即词干)，或者我还需要Lucene吗？
浏览 5提问于2017-10-10得票数 3
回答已采纳
2回答
我正在尝试创建一个程序，它将OCR一个目录的PDF，然后提取文本，以便我以后可以挑选出具体的东西。但是，我在让pdfPlumber从所有页面中提取所有文本时遇到了问题。你可以从开始到结束建立索引，但是如果结束是未知的，它就会中断，因为索引超出了范围。'): pag
浏览 35提问于2020-07-09得票数 2
回答已采纳
我正在使用Nutch2.x爬行一个域，其中每个html页面都有一个指向pdf文档的链接。
我想要做的是加入从html页面提取的数据和相应pdf文档的文本，并用elasticsearch对所有这些数据进行索引。当我通过访问相
浏览 0提问于2018-06-06得票数 0
回答已采纳
3回答
是否可以从PDF文件中提取有关特定字体/字体大小/字体颜色等的文本？我更喜欢Perl、python或*nix命令行实用程序。我的目标是从PDF文件中提取所有标题，这样我就有了一个包含在一个PDF文件中的文章索引。
浏览 8提问于2013-10-15得票数 4
回答已采纳
我有一个MediaWiki网站，有大约1000个额外的文件，是在网页目录是自动索引。我希望这些页面出现在MediaWiki索引中。编写一个python程序，它使用mediaWiki API为每个项目创建一个mediawiki页面，并包含完整的元数据。然后，我可以提取文本并将提取的文本放在页面上，以及MediaWiki预先格式化的文本。
然而，其中一些文档相当长，因此我认为另一种方法是从PDF
浏览 2提问于2019-10-14得票数 0
1回答
如何使用solr 6.4.1配置Tika OCR。我索引的文档包括PDF，图像和MS办公文档，但问题是，Tika没有从图像中提取文本，也没有从PDF和MS办公文档中提取文本。为此，我研究了使用Tika OCR。为此，我正在安装tika-app-1.7.jar和Tesseract，但是我不知道如何用我的solr核心来配置它们。
浏览 4提问于2017-03-25得票数 2
回答已采纳
应用程序将PDF文件存储在Azure Blob存储中，这是Azure搜索的数据源。其中大部分都很好，但是Indexer无法从几个PDF中提取文本。有没有Azure搜索索引可以提取的特定类型的PDF？
浏览 1提问于2018-01-27得票数 1
回答已采纳
我正在尝试将PDF中的单词提取到单独的行中，但只能对文本文件执行此操作，如下所示。 此外，规则是我不能将PDF文件转换为TXT，然后执行此操作。必须对PDF文件执行此操作。我也需要对可搜索的PDF文件做同样的事情。任何帮助都将不胜感激。
浏览 66提问于2019-12-06得票数 0
回答已采纳
我还想知道如何在索引时添加元数据，以便提高一些参数
浏览 1提问于2010-04-06得票数 4
回答已采纳
我正在处理一个pdf文档，该文档中似乎没有任何信息，但是Adobe应用程序正确地呈现了文档。我使用Pdf调试器查看文档属性。希望有人能帮助我理解应用程序是如何呈现文档的。我的理解是，对于Type 0字体，映射数据必须存在于pdf中，并且要显示的字符串被解释为代表CID的字节对。
(\201@\201\203\222\312\2
浏览 3提问于2022-07-29得票数 0
实际上我正在使用Symfony并且我已经集成了ElasticSearch，我想从Pdf文件(姓名，年龄，地址)/或文本文件中提取数据，以便获得一个充满数据的表单，该怎么办？Ps:我已经配置了elastic.yml，我已经添加了所有的索引，当我访问了127.0.0.1:9200时，我成功地获得了我的对象(json格式)，我想要的就是如何从pdf文件中读取并检索所有数据
浏览 1提问于2019-02-07得票数 0
2回答
索引安全pdf没有选择副本
、、、、
我需要能够索引和搜索“安全的”PDF。这些PDF有"No Copy“属性被选中并被锁定。这意味着没有用户名和密码就无法复制PDF的内容。IFilter尊重这些设置，不允许对PDF进行索引。我正在寻找一种使用aspx.net在我的服务器上索引和搜索这些PDF的方法。似乎我被以下一项困住了：
我应该拥有打开这些PDF以获得对内容的“复制”访问所需的凭据。当为我的工具提交PDF时，需要提交两
浏览 5提问于2012-10-02得票数 1
回答已采纳
1回答
我有几百万(pdf，docx，doc)文件，每个文件可能包含大约2-4页的文本。我可以使用elastic-search吗?它是可扩展的吗？在这种情况下，我应该如何索引文档？我是否只是从pdf文档中提取文本并将其存储在json对象<e
浏览 11提问于2021-06-05得票数 1
我在一所大学工作，我想提取我们所有PDF目录的所有文件名，并制作一个文本文件。这些PDF都位于Intranet索引中。WGET可以很好地处理内部网，我知道如何使用它从这个索引下载一堆文件。但是，我正在对我们的目录进行审核，我需要每个目录的文件名--而不是实际的PDF文件，只有"UniOfState0708.pdf“。所有的PDF
浏览 0提问于2016-06-02得票数 2
回答已采纳
云服务器
ICP备案
云直播
腾讯会议
实时音视频
腾讯云开发者
