请教大神们，怎么在本地把 PDF 批量处理转成 TXT 格式

2020-06-03 21:17:44 +08:00
 anita233

请教大神们，怎么在本地把 PDF 批量处理转成 TXT 格式？需要处理几千份 PDF 文件，由于数据保密要求，没法在线处理。谢谢！

1191 次点击
所在节点    问与答
5 条回复
summerwar
2020-06-03 21:22:25 +08:00
ocr 识别 然后 txt 就好了
JCZ2MkKb5S8ZX9pq
2020-06-03 21:25:37 +08:00
感觉是一个大坑，pdf 很可能乱序，ocr 如果是拍摄版文档很可能不准，估计人工校对少不了。
optional
2020-06-03 21:52:55 +08:00
pdfjs
systemcall
2020-06-03 22:03:32 +08:00
很多坑。甩锅的好办法是叫领导改用人力，多雇些人打字。反正最后还是得人来校对。你就只用做一个基于大数据来纠错的分布式的字处理系统
Kirscheis
2020-06-03 22:51:35 +08:00
暂时没发现有什么好办法，目前是用 qpdf 和 python 做解密、拆分和提取，图片过一遍 OCR 。
不过我的数据是用来喂给搜索引擎的，不是给人看的，凡是有表格和特殊格式的部分一般都会顺序出错，估计和你的要求不怎么一样。

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/678383

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX