PDF的文字定位识别

Question

怎么对PDF内的文字分段识别？例如：第一张图是一个PDF，里面包含标题、作者、正文，我要用什么方法去分别把标题、作者、正文读取出来并写入excel？写入excel的格式如图二。求大神指导指导！！！！求求了！！！！！

Answer 1

内容很多么，这种要看你的实际情况。

• 数量不多直接手工录入就行。
• 如果PDF格式良好，可以用一些工具把PDF导出成Word格式，然后就好处理了。
• 如果数量很多，PDF又是不能直接转成word格式的。你可以尝试用一些PDF的OCR识别工具，先尝试把PDF转成文本格式，再处理。

如果是最后一种情况，这种没有什么万能的解决方案，你这是一个有技术含量，又有开发工作量的功能需求，需要花钱找人做开发。