問題タブ [pdfminer]

複数のページを持つ PDF ドキュメントが与えられた場合、特定のページが回転されているかどうかを確認する方法 (-90、90、または 180 度)? Python（pdfminer、pyPDF）を使用することをお勧めします...

更新: ページはスキャンされており、ページの大部分はテキストで構成されています。

私はこの質問を見つけましたが、それはコマンド ラインを使用しており、サブプロセスを使用してコマンド ラインで Python スクリプトを呼び出し、HTML ファイルを解析してフォント情報を取得したくありません。

PDFminer をライブラリとして使用したいのですが、この質問を見つけましたが、フォント名やフォント サイズなどの他の情報がなく、プレーン テキストを抽出するだけです。

座標を入力してpdfマイナーでテキストを抽出しようとしています.インターネットを検索しましたが、それに関連するドキュメントやコードは見つかりませんでした.これまでのところ、テキストを抽出してその座標を出力するコードを見つけました.

これは、私が取得した出力座標とテキストの 1 つです。pdfqueryも試しましたが、多くのエラーが発生しました。

誰かがそれを手伝ってくれますか？

PDFドキュメントからヒンディー語で入力されたテキストを抽出したい .私が扱っているサンプルページの画像を添付しました.

pdfminer を使用してテキストを取得しようとしましたが、テキストが文字化けしています (ヒンディー語フォントが原因である可能性があります)。

今、ページを 3 つの部分に分割し、各部分を 2 つの部分 (英語とヒンディー語のテキストを分離) に分割し、それぞれの半分で ocr を実行してテキストを取得することを考えていますが、唯一の問題は、ヒンディー語に使用されるフォントがわからないことです。また文字化けするかもしれません。

私の質問は、ヒンディー語フォントを処理するためのより良い方法はありますか? フォント名を見つけるにはどうすればよいですか?

.txtユーザーのデスクトップ上の画像またはテキストを自動的にスキャンし、テキスト分析用にファイルに変換できるプログラムを作成しようとしています。

PDFこれまでのところ、とにHTML変換するソース コードを見つけました.txt。ただし、次のようなソースを手動で入力するのではなく、プログラムが特定の時間間隔でデスクトップ画面を自動的にスキャンするようにしたいと考えています。

どこから始めればいいのかわからないので、何か提案をいただければ幸いです。