Я извлекаю информацию из PDF-файла в строку. При попадании текста, который является структурами в pdf как таблицы, извлеченный текст затем делится на то, как читатель попадает по линии, а не по ячейке в строке таблицы.Извлечение таблицы структурированного текста из PDF-файла
После прочтения и поиска часов я хотел бы получить несколько советов о том, как мне подойти к этой проблеме, чтобы получить строку, структурированную так, как показано ниже?
Текущая строка:
Difenylmetandiisocyanat 9016-87-9 Acute Tox. 4; H332 >= 10 - < 20
Skin Irrit. 2; H315
Eye Irrit. 2; H319
Resp. Sens. 1; H334
Skin Sens. 1; H317
Carc. 2; H351
STOT SE 3; H335
STOT RE 2; H373
4,4'-metylendifenyldiisocyanat 101-68-8 Acute Tox. 4; H332 >= 10 - < 20
202-966-0 Skin Irrit. 2; H315
Eye Irrit. 2; H319
Resp. Sens. 1; H334
Skin Sens. 1; H317
Carc. 2; H351
STOT SE 3; H335
STOT RE 2; H373
Желаемая структура:
Difenylmetandiisocyanat
9016-87-9
Acute Tox. 4; H332
Skin Irrit. 2; H315
Eye Irrit. 2; H319
Resp. Sens. 1; H334
Skin Sens. 1; H317
Carc. 2; H351
STOT SE 3; H335
STOT RE 2; H373
>= 10 - < 20
4,4'-metylendifenyldiisocyanat
101-68-8
202-966-0
Acute Tox. 4; H332
Skin Irrit. 2; H315
Eye Irrit. 2; H319
Resp. Sens. 1; H334
Skin Sens. 1; H317
Carc. 2; H351
STOT SE 3; H335
STOT RE 2; H373
>= 10 - < 20
Вы забыли предоставить нам самую важную информацию: вы говорите о «структурированном тексте», но вместо совместного использования PDF, чтобы мы могли узнать, структурирован ли PDF (на официальном языке: чтобы проверить, PDF правильно * Tagged *), вы делитесь снимками экрана. Мы не можем проверить ваше утверждение о том, что у вас действительно есть структура таблицы в PDF. Существует огромная разница между тем, что человеческий глаз воспринимает как структуру таблицы и фактическую структуру таблицы в * Tagged PDF *. Если PDF не помечен, он не структурирован. –
В файле нет тегов. PDF-файл: [ссылка] (http://expirebox.com/files/d3426fda8d00dd0e7c6791814b5994c8.pdf) –
Затем PDF не структурирован, и вы спрашиваете то, что не предоставляется из коробки (а не каким-либо инструментом Я знаю), и это требует много работы по программированию (больше, чем может быть предусмотрено в переполнении стека). –