pdf 裁剪后识别 content 问题，出现裁剪前内容

2023-02-06 13:11:25 +08:00
 Qetesh

使用 python pypdf2 库裁剪 PDF 页面，裁剪识别页面内容。

通过 tika 或者 pdfminer 都能识别出裁剪前的文本内容，导致识别结果有问题。

有没有大佬遇到过这个情况，怎么解决的。

687 次点击
所在节点    程序员
1 条回复
AnroZ
2023-02-06 16:57:25 +08:00
问题：a.pdf (pypdf2 ）-> b.pdf (tika|pdfminer ）-> b.txt 等效于 a.pdf (tika|pdfminer ）-> a.txt ？？
会不会是 另存为 没覆盖？ 要不贴源码分析

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/913571

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