可以在沒有 OCR 的情況下從 PDF 中提取表格嗎？

從PDF 中提取結構化表格

從PDF 文件中提取結構化表格可能是一項具有挑戰性的任務，尤其是對於非圖像檔案。這是幫助您解決此問題的綜合指南：

非OCR 解決方案

PDF -> HTML->提取表路由可能不可靠，尤其是對於包含非英文字體的文檔。以下是一些替代方案：

1。手動擷取

使用 Adob​​e Acrobat 或 Foxit 等軟體手動選取表格儲存格並將其複製到電子表格中。這對於結構簡單的小桌子來說效果很好。

2. PDF 到 XML 轉換器

像 PDFBox 這樣的工具可以將表格資料​​提取為 XML 格式，可以進一步處理以提取結構化資料。

3.自訂模式符合

如果產生的 PDF 一致，您可以開發自訂模式來識別表格儲存格並擷取其內容。然而，這需要對 PDF 結構有深入的了解。

所提供PDF 的限制

您提到的特定PDF 有兩個重大挑戰：

• 缺少表格數據： PDF 不包含顯式表格數據，因此在沒有人工解釋的情況下很難提取結構化資訊。
• 編碼問題： PDF使用錯誤聲稱使用 WinAnsiEncoding 的字體，這會導致文字擷取損壞。

建議

鑑於這些限制，可能無法提取結構化表格從提供的 PDF 中獲取，無需 OCR 技術。相反，您可以考慮其他方法，例如向文件建立者請求原始表格資料或尋求其他 OCR 解決方案。

以上是可以在沒有 OCR 的情況下從 PDF 中提取表格嗎？的詳細內容。更多資訊請關注PHP中文網其他相關文章！