PDF文本转Json数据的四个插件汇总（支持pdf表格多行文本转 json）

最新推荐文章于 2024-07-18 22:24:38 发布
最新推荐文章于 2024-07-18 22:24:38 发布
阅读量3.5k 收藏 6
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wlpp520/article/details/106897074
版权
本文介绍了在Java和Python中处理PDF文本转JSON数据的工具，包括tabula、pdfbox、pdf2data、itext、pdfplumer和tabula-py。重点讨论了它们在读取PDF表格时的性能，发现pdfplumer对包含多行数据的单元格识别更准确。虽然pdf2data功能强大但需付费，tabula在某些复杂表格中可能出现错误。分享了调研过程和使用经验，提供相关链接和示例代码。
摘要由CSDN通过智能技术生成

在开发过程中遇到了 PDF 转 Data的 需求，PDF中是一页页A4纸制式的表单，类似于信用卡办理个人信息表，那么我们需要的工具应该满足

1 可读取PDF文本并转化成 语言数据

2 可精确读取每行文本 并能解析成对应一行行的 语言数据

于是开始调研，调研过程使用了

Java: tabula+pdfbox,pdf2data+itext,

python：pdfplumer，tabula-py

实际使用中 tabula能很好的识别出需要文本，但是对于较复杂的表格对象会有错误数据

而pdf2data是一个收费的itext7组件，可以定制需要的模板 去针对的识别你要的数据，需要点时间入门学习以及收费，但是确实很好用

但是上面俩种都无法很好的满足我的需求，而Java的开源项目中一个不满足需求，一个收费，而Java的开源项目中，个人没找到对pdf中表格进行单元格识别的第三方，只能目光企及python库，果然找到了读表宝库-pdfplumer，因为它支持对一个单独的表格进行解析并收集成一个数据组。

总结:调研测试中，只有pdfplumer对我的单元格有三行数据的pdf文件进行了正确排序的数据识别。

调研过程中也发现网上博客对此汇总比较少，特作此记录，并共享，必有不足，烦请见谅！

下放连接

1.tabula的使用

2.Itext-Pdf2data的使用

3.tabula-py，pdfplumer使用示例代码

对于python区的研究较少，时间较短，且由于pyt

最低0.47元/天 解锁文章
wllmp520
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pdf转json_pdf转长图工具
weixin_39915427的博客
12-06 339
科技叔 在今天的公众号开始前，小编先为大家介绍朋友的一个公众号“科技叔”,公众平台推文现在推文不多，但是听名字是不是科技感十足，这个公众号每天和小编一样，会更新优质的推文，包括软件、资源等礼包，欢迎大家关注哦。pdf转长图工具界面观赏(以linux下界面示范为主)主界面：格式转换主界面只有最简单的pdf转png功能。比较简洁。界面拼接功能默认是一键生成长图，并且文件夹路径默认是...
pdf2json:一个PDF文件解析器，可将PDF二进制文件转换为基于文本的JSON，由PDF.JS的分支提供支持
04-28
pdf2json pdf2json是一个模块，可将PDF从二进制格式转换为json格式，它是使用构建的，并通过交互式表单元素和文本内容解析器在浏览器外部进行扩展。 目标是当包装在Web服务中时，使服务器端PDF可以使用交互式表单元素进行解析，并且当用作命令行实用程序时，还可以将本地PDF解析为json文件。 安装 npm安装pdf2json 或者，将其全局安装： 须藤npm安装pdf2json -g 要更新为最新版本： sudo npm更新pdf2json -g 在RESTful Web服务中运行或作为命令行实用程序运行 可以在本文档的底部找到更多详细信息。 测试 npm我npm运行测试 检查./test/target/以获取输出JSON和测试文件。 程式码范例 解析PDF文件，然后写入JSON文件： let fs = require ( 'fs' ) ,
pdf转json文件工具
07-22
操作步骤： 1. 安装程序（在菜单里面看不到应用程序的） 2. 找到安装目录 ，一般目录大致为［C:\Program Files (x86)\PDF2JSON］ 3. 进入目录，将需要转的文件一同放入该目录下，并打开CMD终端 4. 执行命令［pdf2json.exe name.pdf -enc UTF-8 -compress name.js］ 备注：name.pdf为输入的pdf文件 name.js为输出的json文件 注意：C盘操作文件可能涉及到权限问题，所以建议先手动创建好name.js文件，不然软件不能自己创建
pdf 到 json转换
09-22
做flexPaper开发时候用到的小工具
各式各样的pdf文档解析成json，pdf转json
2301_79020923的博客
05-15 258
废话不多说，直接上图（左边是pdf源文件，右边是解析出来的json样式）
最新开源的解析效果非常好的PDF解析工具MinerU （pdf2md pdf2json）
最新发布
Angus
07-18 3805
毫不夸张的说PDF解析工具MinerU是照进RAG黑暗中的一道光——这是我对它的评价。我测过太多了文档解析工具！ 最近在做文档解析的工作。看了很多的开源的文档解析的工具，版面分析的工具，其中包括paddelpaddel这样30k+star的明星工具。但是效果都觉得不好。 MinerU是一个最近开源的文档解析工具，可以把PDF转成json结构，还可以转成md格式。可以解析得到其中的图片，表格，可以得到段落，可以得到标题，这是很哇塞的事情。因为最近RAG特别火热，这些都是RAG非常需要的。
提取PDF中的表格，按行列生成JSON数据，识别率100%
weixin_44214515的博客
10-20 2110
如果仅仅是提取PDF中的内容，基本没有难度，我后续会再写一篇博客来讨论提取内容。但是如果提取PDF中的表格，并按行列输出为JSON返回则并不简单，网上有很多资料，Github上同样也有一些，但是基本都是扯淡的。本文以在实际项目中使用的PDF提取程序为例，来介绍如何从PDF中提取表格数据，并按行列返回。 PDF中存在的内容可能有以下几种： 1.清晰无任何杂质的表格。 2.带有水印的文字表格 3.全部由图片组成的表格 其中第一种、第二种均比较容易实现，第三种需要将PDF中图片转...
python pdf转txt文本、pdf转json
什么都干的派森
11-24 1478
此方法只能转文本格式的pdf，如果是图片格式的pdf需要用到ocr包，以后如果有这方面需求再加这个方法。
PDF2JSON是基于XPDF（3.02）的转换库，可用于将高性能PDF页面逐页转换为JSON和XML格式。 它还支持压缩数据以最小化大小。 PDF2JSON可用于Windows，OSX和Linux。 请访问https://flowpaper.com了解更多信息-C/C++开发
05-26
PDF2JSON PDF2JSON是基于XPDF（3.02）的转换库，可用于将高性能PDF页面逐页转换为JSON和XML格式。 它还支持压缩数据以最小化大小。 可用PDF2JSON f PDF2JSON PDF2JSON是基于XPDF（3.02）的转换库，可用于将高性能PDF页面逐页转换为JSON和XML格式。 它还支持压缩数据以最小化大小。 PDF2JSON适用于Windows和Linux。 用法用法：pdf2json [选项] [ ] -F ：要转换的第一页-l ：要转换的最后一页-compress：使用压缩模式-q：不要打印任何消息或错误
jQuery树状json数据转表格插件代码
06-10
本文将深入探讨如何使用jQuery实现这个功能，以及介绍一个名为“jQuery树状json数据转表格插件”的工具。 首先，JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，它基于JavaScript的一个子集，易于...
cpp-pdftojson使用XPDF从PDF文件抽取文本作为JSON
08-15
pdftojson：使用XPDF从PDF文件抽取文本作为JSON
PDF到json免费使用这个工具「PDF to json for free with this tool」-crx插件
03-22
文本分组在PDF到JSON转换器到虚拟表，并生成与每个文本组JSON - 将PDF转换为JSON。 欢迎使用PDF.co在线免费扩展！转换PDF在线文档时，扩展工作顺利。安装在浏览器中很容易完成 PDF到JSON转换在线是通过文件从您的计算机上或从现有的文件上传处理。 这些文件通过一个安全的协议SSL工作。将PDF转换为简单的界面中的JSON。在线转换完成后，所有文件将被删除。 该工具与Google云端硬盘兼容。 该工具可在1个月内免费试用。 扩展计划可​​以购买：基本，个人或商业。 开发人员的API可在PDF.co上找到 享受PDF到JSON在线转换！ 支持语言:English
利用Matlab提取图片中的数据（pdf+源码image2data
04-17
找到了利用Matlab提取图片中的数据的源代码image2data，打包上传分享。 原简介： 从事科研或者工程的人员在文档撰写过程中，常需要将文献中的曲线与自己的结果对比，为获取原始数据，一种常用的办法是手动描点，即将原始曲线放大然后打印出来，选取一定数量的点，读出其横纵坐标，然后重绘。对于较为平坦的曲线，这种方法当然可行，但当曲线数量增加，曲线变化复杂，这种方法工作量可想而知。前段时间由于原始数据丢失，仅剩几十幅图片，本人尝试过手动描点，经历几个小时奋战，实在无法继续，索性转向matlab，借助其强大的数据处理能力，编写了两个GUI的小软件image2data、data_poly提取数据，如今大功告成，遂于大家分享。 原作者邮箱yc97463240@126.com
很好用的JAVA类转JSON工具：FastJSON (2).pdf
10-29
很好用的JAVA类转JSON工具：FastJSON (2).pdf很好用的JAVA类转JSON工具：FastJSON (2).pdf
基于python实现把json数据转换成Excel表格
12-20
例如，Pandas库不仅可以方便地读写Excel和JSON，还支持数据清洗、分析和统计功能。 总之，Python结合`json`和`tablib`库，使得从JSON到Excel的转换变得简单易行，这对于数据处理和分析的日常工作来说是一个强大的...
Python实现把json格式转换成文本或sql文件
09-21
在实际开发过程中，经常需要处理不同格式的数据文件，例如将 JSON 格式的文件转换为其他格式如文本文件或 SQL 文件等。这样的操作有助于数据的进一步处理、存储或是分析。本文将详细介绍如何使用 Python 将 JSON ...
C# Excel转Json或Js数据格式工具
07-04
本主题聚焦于一个特定的实用工具，即“C# Excel转Json或Js数据格式工具”。这个工具允许用户将Excel电子表格的数据转换为Json或JavaScript数据格式，这两种格式在Web开发中非常常见。 首先，让我们深入了解Excel。...
lua文本转成json文本
04-25
lua json文件转换 数据编排 lua配置表转成 json配置表
通过java把txt文本转换成json数据流
06-06
在Java中，你可以使用Jackson库来将文本转换为JSON格式的数据流。以下是一个示例代码： 假设你有一个名为"example.txt"的文本文件，其中包含以下内容： ``` { "name": "John", "age": 30, "city": "New York" } ``` 你可以使用以下Java代码将其转换为JSON格式的数据流： ```java import java.io.File; import java.io.IOException; import java.nio.file.Files; import java.nio.file.Paths; import com.fasterxml.jackson.databind.ObjectMapper; public class TextToJsonConverter { public static void main(String[] args) throws IOException { // 读取文本文件内容 String content = new String(Files.readAllBytes(Paths.get("example.txt"))); // 将文本转换为JSON格式 ObjectMapper mapper = new ObjectMapper(); Object json = mapper.readValue(content, Object.class); // 将JSON格式的数据流输出到控制台 mapper.writerWithDefaultPrettyPrinter().writeValue(System.out, json); } } ``` 运行上述代码后，你将得到以下输出结果： ```json { "name" : "John", "age" : 30, "city" : "New York" } ``` 你可以根据自己的需求，将JSON数据流输出到文件或其他数据源中。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值