AS
вот нашел 14.3.3Document Information Dictionary
Size: a a a
2020 December 22
AS
но это опциональное поле
AS
можно вычленить весь текст из пдф и пытаться определить заголовек не методами ПДФ
AS
типа жирный шрифт вверху и тд
TN
Да, да, наверное. Вот и надо, не используя CV и DL.
NK
А он есть и задача такая поставлена. Не ясен твой ответ...
Дело в том, что чисто по смыслу PDF - это "цифровая распечатка", по умолчанию там есть только информация о положении и шрифте отдельных глифов на странице. Встречаются экстремальные случаи, когда директивы по расстановке глифов на странице будут указаны совершенно произвольном порядке.
NK
Есть вариация PDF - tagged PDF, где поддерживаются теги типа как в HTML, но он довольно редко используется.
NK
Что можно сделать, это (с помощью например PDFminer) найти текст с максимальным размером шрифта. Качество будет зависеть от ваших документов.
T
Поддерживаю идею с pdfminer
Ещё можно на расположение смотреть -- если, например, текст сверху по центру, то скорее всего это заголовок документа
Ещё можно на расположение смотреть -- если, например, текст сверху по центру, то скорее всего это заголовок документа
T
Зависит от того, что это за документы
AS
шрифт + по горизонтали нет другого текста
TN
Всем спасибо. Испробую
TN
Дело в том, что чисто по смыслу PDF - это "цифровая распечатка", по умолчанию там есть только информация о положении и шрифте отдельных глифов на странице. Встречаются экстремальные случаи, когда директивы по расстановке глифов на странице будут указаны совершенно произвольном порядке.
А если PDF в форме как картинка сохранен и текста, в принципе, нет.
TN
Но мне это пока не надо:)
T
тогда вытаскивать text через OCR и для определения "тайтл\не тайтл" использовать эвристики
TN
Ребята, всем thanks a lot.:)
TN
Еше я встретил вот это. Но тут сложновато для начала:(
NK
Еше я встретил вот это. Но тут сложновато для начала:(
Там же даже рабочий пример есть! И аффтару написать можно... По мне, так наливай да пей.
2020 December 23
ЖR
Всем привет, ребят кто-то сможет платно проконсультировать по nlp?
Меня интересует тегирование и выделение фраз из текста, анализ тональности, а также генерация текста.
Интересует человек с практическим опытом анализа текста.
24-ого декабря с 12 до 16, можем рассмотреть и другие дни. По длительности до часа.
Оплата 30$ на карту.
Если кому-то интересно напишите мне в ЛС.
Меня интересует тегирование и выделение фраз из текста, анализ тональности, а также генерация текста.
Интересует человек с практическим опытом анализа текста.
24-ого декабря с 12 до 16, можем рассмотреть и другие дни. По длительности до часа.
Оплата 30$ на карту.
Если кому-то интересно напишите мне в ЛС.