FoxClub Forums > Visual Foxpro, Foxpro for DOS > прочитать содержимое PDF в переменные ::

• Войти

Страницы: 1 2

прочитать содержимое PDF в переменные
glaz58 Автор Сообщений: 812 Откуда: Воронеж Дата регистрации: 09.02.2008	glaz58 28.11.21 20:13:25 Уважаемые знатоки! Известны ли средства читать PDF как текст и, в зависимости от найденного текста прочитать строку или несколько строк (до следующего известного слова или фразы) в переменную или в таблицу?

glaz58
Автор

Сообщений: 812
Откуда: Воронеж
Дата регистрации: 09.02.2008

glaz58

28.11.21 20:13:25

Уважаемые знатоки! Известны ли средства читать PDF как текст и, в зависимости от найденного текста прочитать строку или несколько строк (до следующего известного слова или фразы) в переменную или в таблицу?

Re: прочитать содержимое PDF в переменные
ssa Сообщений: 13008 Откуда: Москва Дата регистрации: 23.03.2005	ssa 28.11.21 20:29:35 glaz58 Известны ли средства читать PDF как текст Сначала надо доказать наличие текста. Ибо он совершенно не обязан там быть. ------------------ Лень - это неосознанная мудрость.

Re: прочитать содержимое PDF в переменные
Simple777 Сообщений: 33855 Дата регистрации: 05.11.2006	Simple777 28.11.21 20:35:32 PDF может быть защищен паролем, как минимум. Если проблемы с защитой нет, сохранить PDF в формате Excel, например. Ну, а с EXCEL можно "горы свернуть". Однако реализовать это в виде функции в проекте довольно проблематично. Обычно такого рода "сервис" проще оформлять в виде "пакета утилит". Помимо всего прочего, то, что сохранено в формате PDF, может иметь переменные шрифты переменного размера, что затрудняет пакетную обработку файла в формате того же Excel.

Re: прочитать содержимое PDF в переменные

Simple777

Сообщений: 33855
Дата регистрации: 05.11.2006

Simple777

28.11.21 20:35:32

PDF может быть защищен паролем, как минимум.

Если проблемы с защитой нет, сохранить PDF в формате Excel, например. Ну, а с EXCEL можно "горы свернуть". Однако реализовать это в виде функции в проекте довольно проблематично. Обычно такого рода "сервис" проще оформлять в виде "пакета утилит". Помимо всего прочего, то, что сохранено в формате PDF, может иметь переменные шрифты переменного размера, что затрудняет пакетную обработку файла в формате того же Excel.

Re: прочитать содержимое PDF в переменные
Simple777 Сообщений: 33855 Дата регистрации: 05.11.2006	Simple777 28.11.21 20:39:59 ssa glaz58 Известны ли средства читать PDF как текст Сначала надо доказать наличие текста. Ибо он совершенно не обязан там быть. Сейчас есть такая мода повсеместно. Некое приложение генерирует выходные формы в формате Word или Excel. После этого документы сохраняются в формате PDF, защищаются паролем и рассылаются "заинтересованному кругу лиц". Эти самые заинтересованные лица могут только просматривать инфу, но не могут никак её загрузить к себе и обработать. Думается, что вопрос связан именно с этой проблемой.

Re: прочитать содержимое PDF в переменные

Simple777

Сообщений: 33855
Дата регистрации: 05.11.2006

Simple777

28.11.21 20:39:59

ssa
glaz58
Известны ли средства читать PDF как текст
Сначала надо доказать наличие текста. Ибо он совершенно не обязан там быть.

Сейчас есть такая мода повсеместно. Некое приложение генерирует выходные формы в формате Word или Excel. После этого документы сохраняются в формате PDF, защищаются паролем и рассылаются "заинтересованному кругу лиц". Эти самые заинтересованные лица могут только просматривать инфу, но не могут никак её загрузить к себе и обработать. Думается, что вопрос связан именно с этой проблемой.

Re: прочитать содержимое PDF в переменные
ssa Сообщений: 13008 Откуда: Москва Дата регистрации: 23.03.2005	ssa 28.11.21 21:11:38 Simple777 только просматривать инфу, но не могут никак её загрузить к себе и обработать. Думается, что вопрос связан именно с этой проблемой. Этот формат создан только для просмотра глазами и ни разу не чтения данных из него программами. Потому и ожидать наличия того, для чего он не предназначен, несколько наивно. ------------------ Лень - это неосознанная мудрость.

Re: прочитать содержимое PDF в переменные

ssa

Сообщений: 13008
Откуда: Москва
Дата регистрации: 23.03.2005

ssa

28.11.21 21:11:38

Simple777
только просматривать инфу, но не могут никак её загрузить к себе и обработать. Думается, что вопрос связан именно с этой проблемой.

Этот формат создан только для просмотра глазами и ни разу не чтения данных из него программами. Потому и ожидать наличия того, для чего он не предназначен, несколько наивно.

------------------
Лень - это неосознанная мудрость.

Re: прочитать содержимое PDF в переменные
Simple777 Сообщений: 33855 Дата регистрации: 05.11.2006	Simple777 28.11.21 21:17:56 Программами, написанными на FoxPro, конечно, проблематично. Но в целом обозначенная выше проблема решается вполне успешно различными утилитами.

Re: прочитать содержимое PDF в переменные
ssa Сообщений: 13008 Откуда: Москва Дата регистрации: 23.03.2005	ssa 28.11.21 22:43:16 Simple777 Программами, написанными на FoxPro, конечно, проблематично. Не в фоксе дело. Цитата: Но в целом обозначенная выше проблема решается вполне успешно различными утилитами. Совершено не успешно. Еще раз - текста в файле может не быть и то, что люди глазами могут воспринимать как текст, распознать могут только программы оптического распознавания, которые не дают 100% автоматического правильного распознавания. ------------------ Лень - это неосознанная мудрость.

Re: прочитать содержимое PDF в переменные

ssa

Сообщений: 13008
Откуда: Москва
Дата регистрации: 23.03.2005

ssa

28.11.21 22:43:16

Simple777
Программами, написанными на FoxPro, конечно, проблематично.

Не в фоксе дело.

Цитата:
Но в целом обозначенная выше проблема решается вполне успешно различными утилитами.

Совершено не успешно.
Еще раз - текста в файле может не быть и то, что люди глазами могут воспринимать как текст, распознать могут только программы оптического распознавания, которые не дают 100% автоматического правильного распознавания.

------------------
Лень - это неосознанная мудрость.

Re: прочитать содержимое PDF в переменные
Igor Korolyov Сообщений: 34580 Дата регистрации: 28.05.2002	Igor Korolyov 28.11.21 22:58:28 Может и картинка с буквами там быть, но вполне вероятен и текст. "Картинки" чаще всего встречаются в pdf созданных путём сканирования бумажных носителей. Если pdf генерируется каким-то ПО из текстовых данных, то вероятнее всего там будет текст. К системе индексирования файлов винды есть "фильтры" для выдёргивания текста из самых разных форматов, в т.ч. и из pdf (конечно же, если он там есть). В принципе этим фильтром и можно воспользоваться - или уже готовой утилитой, которая просто в текст попытается файл перегнать. ------------------ WBR, Igor

Re: прочитать содержимое PDF в переменные

Igor Korolyov

Сообщений: 34580
Дата регистрации: 28.05.2002

Igor Korolyov

28.11.21 22:58:28

Может и картинка с буквами там быть, но вполне вероятен и текст. "Картинки" чаще всего встречаются в pdf созданных путём сканирования бумажных носителей. Если pdf генерируется каким-то ПО из текстовых данных, то вероятнее всего там будет текст.

К системе индексирования файлов винды есть "фильтры" для выдёргивания текста из самых разных форматов, в т.ч. и из pdf (конечно же, если он там есть). В принципе этим фильтром и можно воспользоваться - или уже готовой утилитой, которая просто в текст попытается файл перегнать.

------------------
WBR, Igor

Re: прочитать содержимое PDF в переменные
Simple777 Сообщений: 33855 Дата регистрации: 05.11.2006	Simple777 28.11.21 22:58:45 Речь идёт именно об оптическом распознавании данных в PDF-формате. 100% не распознаётся, конечно. Но... Если речь идёт о программно сформированных выходных формах, то вероятность их успешного оптического распознавания довольно высока. Исправлено 1 раз(а). Последнее : Simple777, 28.11.21 22:59

Re: прочитать содержимое PDF в переменные

Simple777

Сообщений: 33855
Дата регистрации: 05.11.2006

Simple777

28.11.21 22:58:45

Речь идёт именно об оптическом распознавании данных в PDF-формате. 100% не распознаётся, конечно. Но... Если речь идёт о программно сформированных выходных формах, то вероятность их успешного оптического распознавания довольно высока.

Исправлено 1 раз(а). Последнее : Simple777, 28.11.21 22:59

Re: прочитать содержимое PDF в переменные
dimuhametov Сообщений: 1562 Откуда: Костанай Дата регистрации: 01.11.2008	dimuhametov 29.11.21 05:43:54 glaz58 Уважаемые знатоки! Известны ли средства читать PDF как текст и, в зависимости от найденного текста прочитать строку или несколько строк (до следующего известного слова или фразы) в переменную или в таблицу? PDF2TXT > cloud.mail.ru ------------------ Незнание делает жизнь такой интересной.

Re: прочитать содержимое PDF в переменные

dimuhametov

Сообщений: 1562
Откуда: Костанай
Дата регистрации: 01.11.2008

dimuhametov

29.11.21 05:43:54

glaz58
Уважаемые знатоки! Известны ли средства читать PDF как текст и, в зависимости от найденного текста прочитать строку или несколько строк (до следующего известного слова или фразы) в переменную или в таблицу?

PDF2TXT > cloud.mail.ru

------------------
Незнание делает жизнь такой интересной.

Re: прочитать содержимое PDF в переменные
glaz58 Автор Сообщений: 812 Откуда: Воронеж Дата регистрации: 09.02.2008	glaz58 29.11.21 17:55:48 Я собираюсь работать с файлом, про который точно известно, что там есть текст.

Re: прочитать содержимое PDF в переменные
glaz58 Автор Сообщений: 812 Откуда: Воронеж Дата регистрации: 09.02.2008	glaz58 29.11.21 17:56:57 Я собираюсь работать с файлом, в котором точно есть текст.

Re: прочитать содержимое PDF в переменные
glaz58 Автор Сообщений: 812 Откуда: Воронеж Дата регистрации: 09.02.2008	glaz58 29.11.21 18:00:05 В моём случае речь идёт о файлах, которые не защищены паролем и они точно содержат текст.

Re: прочитать содержимое PDF в переменные
glaz58 Автор Сообщений: 812 Откуда: Воронеж Дата регистрации: 09.02.2008	glaz58 29.11.21 18:02:13 Особенно когда это сканы с напечатанных документов. Иногда и с помятых листов. Там где была складка, искажаются буквы и цифры.

Re: прочитать содержимое PDF в переменные
glaz58 Автор Сообщений: 812 Откуда: Воронеж Дата регистрации: 09.02.2008	glaz58 29.11.21 18:09:26 Спасибо, буду разбираться. Даже и разбираться нечего - всё очень просто. Как раз то, что мне нужно. Исправлено 1 раз(а). Последнее : glaz58, 04.12.21 19:37

Re: прочитать содержимое PDF в переменные
Ydin Сообщений: 7648 Откуда: Киев Дата регистрации: 16.12.2005	Ydin 29.11.21 19:06:56 Simple777 Если проблемы с защитой нет, сохранить PDF в формате Excel, например. Ну, а с EXCEL можно "горы свернуть". Если xlsx распаковать (а это легко), то сами тексты лежат в sharedStrings.xml. Из него можно легко их вытащить. Внутри этого текстового файла они в виде <t>ВП "Печерский мост"</t> Но стили могут мешать. Исправлено 3 раз(а). Последнее : Ydin, 29.11.21 19:10

Re: прочитать содержимое PDF в переменные

Ydin

Сообщений: 7648
Откуда: Киев
Дата регистрации: 16.12.2005

Ydin

29.11.21 19:06:56

Simple777
Если проблемы с защитой нет, сохранить PDF в формате Excel, например. Ну, а с EXCEL можно "горы свернуть".

Если xlsx распаковать (а это легко), то сами тексты лежат в sharedStrings.xml.
Из него можно легко их вытащить. Внутри этого текстового файла они в виде
<t>ВП "Печерский мост"</t>
Но стили могут мешать.

Исправлено 3 раз(а). Последнее : Ydin, 29.11.21 19:10

Re: прочитать содержимое PDF в переменные
AleksM Сообщений: 17881 Дата регистрации: 11.11.2003	AleksM 29.11.21 22:41:03 Вот тут я очень сильно не уверен что в них есть текст. Скорее всего там текст как картинка. ------------------ Лучше переесть, чем недоспать. Не спеши, а то успеешь.

Re: прочитать содержимое PDF в переменные
AleksM Сообщений: 17881 Дата регистрации: 11.11.2003	AleksM 29.11.21 22:44:34 Не плохо ещё ABBYY Fine Reader. Но тут уже или денежку плати или крякнутую брать. Была задача по проверке входных бумажных документов. Использовал VBA в связке с FR 14 или 15 (точно не помню уже). ------------------ Лучше переесть, чем недоспать. Не спеши, а то успеешь. Исправлено 1 раз(а). Последнее : AleksM, 29.11.21 22:46

Re: прочитать содержимое PDF в переменные

AleksM

Сообщений: 17881
Дата регистрации: 11.11.2003

AleksM

29.11.21 22:44:34

Не плохо ещё ABBYY Fine Reader. Но тут уже или денежку плати или крякнутую брать.
Была задача по проверке входных бумажных документов. Использовал VBA в связке с FR 14 или 15 (точно не помню уже).

------------------
Лучше переесть, чем недоспать.
Не спеши, а то успеешь.

Исправлено 1 раз(а). Последнее : AleksM, 29.11.21 22:46

Re: прочитать содержимое PDF в переменные
BOBAN Сообщений: 625 Откуда: Солигорск Дата регистрации: 05.07.2004	BOBAN 30.11.21 11:20:56 Вот текст теста чьей-то утилиты. К ней прилагаются библиотеки. Если заинтересует, сброшу на электронный адрес ! Download iTextSharp From: ! sourceforge.net ! DownLoad wwwDotNetBridge From: ! west-wind.com LOCAL loBridge, lcPDFFile, lcOutputFile SET DEFAULT TO JUSTPATH(SYS(16)) DO wwDotNetBridge loBridge = CreateObject("wwDotNetBridge","V4") IF !EMPTY(loBridge.cErrorMsg) MESSAGEBOX(loBridge.cErrorMsg) RETURN ENDI loBridge.LoadAssembly("iTextSharp.dll") IF !EMPTY(loBridge.cErrorMsg) MESSAGEBOX(loBridge.cErrorMsg) RETURN ENDI lcPDFFile = "Program_Information.pdf" lcOutputFile = "someoutputfile.txt" _iTextSharpConvertToText(loBridge, lcPDFFile, lcOutputFile) ******************************************************************************** * * * toLoBridge wwDotNetBridge Object Variable * * tcPDFFile = The PDF File To Convert * * tcOutputFile = The Output File Name * * * ******************************************************************************** FUNCTION _iTextSharpConvertToText() PARAMETERS toloBridge, tcPDFFile, tcOutputFile LOCAL lcStrg, lnPageNbr, loPdfReader, loSTEStrategy lcStrg = "" loPdfReader = toloBridge.CreateInstance("iTextSharp.text.pdf.PdfReader",tcPDFFile) loSTEStrategy = toloBridge.CreateInstance("iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy") FOR lnPageNbr = 1 TO loPdfReader.NumberOfPages lcStrg = lcStrg + toloBridge.InvokeStaticMethod("iTextSharp.text.pdf.parser.PdfTextExtractor", "GetTextFromPage", loPdfReader, lnPageNbr, loSTEStrategy) ENDFOR STRTOFILE(lcStrg, tcOutputFile) loPdfReader.close() ENDFUNC

Re: прочитать содержимое PDF в переменные

BOBAN

Сообщений: 625
Откуда: Солигорск
Дата регистрации: 05.07.2004

BOBAN

30.11.21 11:20:56

Вот текст теста чьей-то утилиты. К ней прилагаются библиотеки. Если заинтересует, сброшу на электронный адрес


*!*   Download iTextSharp From:
*!*   sourceforge.net

*!*   DownLoad wwwDotNetBridge From:
*!*   west-wind.com

LOCAL loBridge, lcPDFFile, lcOutputFile

SET  DEFAULT TO JUSTPATH(SYS(16))
 
DO wwDotNetBridge

loBridge = CreateObject("wwDotNetBridge","V4")
IF !EMPTY(loBridge.cErrorMsg)
  MESSAGEBOX(loBridge.cErrorMsg)
  RETURN
ENDI

loBridge.LoadAssembly("iTextSharp.dll")
IF !EMPTY(loBridge.cErrorMsg)
  MESSAGEBOX(loBridge.cErrorMsg)
  RETURN
ENDI

lcPDFFile = "Program_Information.pdf"
lcOutputFile = "someoutputfile.txt"


_iTextSharpConvertToText(loBridge, lcPDFFile, lcOutputFile)

**********************************************************************************
***                                                                            ***
***   toLoBridge wwDotNetBridge Object Variable                                ***
***   tcPDFFile = The PDF File To Convert                                      ***
***   tcOutputFile = The Output File Name                                      ***
***                                                                            ***
**********************************************************************************
FUNCTION _iTextSharpConvertToText()
PARAMETERS toloBridge, tcPDFFile, tcOutputFile
LOCAL lcStrg, lnPageNbr, loPdfReader, loSTEStrategy

  lcStrg = ""
  
  loPdfReader = toloBridge.CreateInstance("iTextSharp.text.pdf.PdfReader",tcPDFFile)
  loSTEStrategy = toloBridge.CreateInstance("iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy")
  
  FOR lnPageNbr = 1 TO loPdfReader.NumberOfPages
    lcStrg = lcStrg + toloBridge.InvokeStaticMethod("iTextSharp.text.pdf.parser.PdfTextExtractor", "GetTextFromPage", loPdfReader, lnPageNbr, loSTEStrategy)
  ENDFOR
  
  STRTOFILE(lcStrg, tcOutputFile)
 
  loPdfReader.close()
  
ENDFUNC

Re: прочитать содержимое PDF в переменные
Igor Korolyov Сообщений: 34580 Дата регистрации: 28.05.2002	Igor Korolyov 30.11.21 19:47:18 iTextSharp уже несколько лет как заменён на itext7-dotnet (в этой версии продолжается развитие, а сам iTextSharp считается устаревшим). И, к сожалению, это не бесплатные проекты. Ну, точнее, iText7 идёт под двойной лицензией - AGPL/коммерческая. iTextSharp же идёт только под AGPL лицензией. AGPL требует чтобы использующая библиотеку программа так же поставлялась с открытым исходным кодом и под аналогичной (в идеале точно такой же) лицензией, что для коммерческого софта может быть весьма затруднительно. А покупать ради одной функции недешевую коммерческую лицензию... Впрочем, если вопрос пиратства не смущает, то вполне можно и эту библиотеку использовать. ------------------ WBR, Igor

Re: прочитать содержимое PDF в переменные

Igor Korolyov

Сообщений: 34580
Дата регистрации: 28.05.2002

Igor Korolyov

30.11.21 19:47:18

iTextSharp уже несколько лет как заменён на itext7-dotnet (в этой версии продолжается развитие, а сам iTextSharp считается устаревшим). И, к сожалению, это не бесплатные проекты. Ну, точнее, iText7 идёт под двойной лицензией - AGPL/коммерческая. iTextSharp же идёт только под AGPL лицензией.
AGPL требует чтобы использующая библиотеку программа так же поставлялась с открытым исходным кодом и под аналогичной (в идеале точно такой же) лицензией, что для коммерческого софта может быть весьма затруднительно. А покупать ради одной функции недешевую коммерческую лицензию...

Впрочем, если вопрос пиратства не смущает, то вполне можно и эту библиотеку использовать.

------------------
WBR, Igor

Страницы: 1 2

:: Список Форумов•Список тем•Поиск•Войти

Извините, только зарегистрированные пользователи могут оставлять сообщения в этом форуме.

On-line: 27 (Гостей: 27)