#文本过滤
我有从pdf转成的txt的文本，这些都是一些学术论文。里面有好多公式，还有很多figure.
我想对文本中的那些无关信息进行过滤，附图如下。同时还想请教有没有做过相关的pdf上面段落抽取工作的大神，希望能指点一二，不胜感激。
从pdf转成的文本抽取段落和信息过滤
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
3条回答 默认 最新
大河行脚 2015-03-31 09:27关注你有txt版本的话就下载一个超级记事本,然后用超级记事本打开,把不想要的删除就行了,最后在超级记事本上有个打印机,你点击一下打印机,然后跟着提示走,
就能打印出一份你改后的PDF文件了；如果回答对您有帮助,请采纳
解决 无用评论 打赏举报 分享
- 2023-01-03 10:41回答 9 已采纳 可以看下这个文本关键信息抽取整体综述，各种算法和代码都有https://blog.csdn.net/qq_25618315/article/details/108516749
- 2021-09-10 10:58回答 2 已采纳 import re a="...id=1234&" s=re.search(r'id=(.*)&',a) printf(s.group(1)) #1234
- 2020-04-08 14:54回答 2 已采纳 ``` str1='卷之一治诸风透冰丹内容：治一切风毒……卷之一治诸风龙脑天麻煎内容：治……' import re txt1=re.findall('(.*?)(.*?)内容',str1)
- 2020-12-15 19:00datayx的博客 向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx目前，PDF已成为电子文档发行和数字化信息传播的一个标准，其广泛应用于学术界的交流以...
- 2022-05-09 13:16回答 2 已采纳 先将excel文件中题库读取到列表中，然后通过随机选择列表中的元素。 使用random.choice(list)可以每次从列表中随机抽取一个元素。
- 2020-03-13 14:58回答 2 已采纳 命名实体抽取，指的是抽取某一类客观实例的词语，比如手机、张三、李四等 事件抽取只得是抽取某一类动作，比如爆炸、开会、开车等 命名实体抽取是事件抽取的基础，因为事件中都必须有至少一个主体，比如手机爆
- 2022-05-10 04:08回答 4 已采纳 PHP在这里面，主要是获取题目以及判断答案是否正确。获取题目主要用random函数来生成随机数，作为表达ID获取数据。 判断答案是否正确，主要看前端传递过来的字符串和预设的字符串是否正确。 如果有分值
- 2020-12-08 16:08程序媛-承哥的博客 1、pdf中如果存在隐藏数据，会被抽取出来； 2、背景色和字体颜色相同，会被抽取出来； 3、字体颜色和字体背景色相同，会被抽取出来； public static String getPdfText(String pathStr) { PDDocument ...
- 2022-05-19 15:37回答 1 已采纳 望采纳，谢谢，代码： package Test10; import java.util.HashSet; import java.util.Random; import java.util.Set;
- 2022-11-10 10:05回答 1 已采纳 import random import numpy as np data = np.random.randint(0, 100, size=(20, 50, 7)) result = [] fo
- 2018-06-20 07:47回答 5 已采纳 写java代码吧， 选择java代码选项，做分表插入操作 1.直接用java代码处理 2.使用sql语句的视图做处理
- 2023-03-10 19:29江湖不当人的博客 PDF文件解析（pdfplumber、tablua、camelot、pdf2doc、aspose.words、docx）
- 2019-11-25 02:15回答 2 已采纳 linux里面开个线程做倒计时，代码已经给你发了，之后的排序，用strcmp比较字符，结果哪个小就说明字典序小
- 2021-06-22 17:27努力！才能被爱慕~的博客 Python 操作 PDF 会用的库：PyPDF2 和 pdfplumber PyPDF2 可以更好的读取、写入、分割、合并PDF文件； pdfplumber 可以更好的读取 PDF 文件中内容和提取 PDF 中的表格。 对应的官网分别是： PyPDF2：...
- 2020-03-25 20:16datayx的博客 机器学习AI算法工程 公众号：datayx 知识图谱（Knowledge Graph）主要由实体、关系和属性构成，而信息抽取（Information Extraction）作为构建知识图谱最重要的一个环节，目的就是从文本当中抽取出三元组信息，...
- 没有解决我的问题, 去提问
