竖版PDF如何识别，有什么开源工具或者解决思路吗？

Question

我需要从一本杂志类PDF文件中，提取所有文章（标题及内容），杂志内容如图：

我需要对这种类型的页面进行批量识别，尽量做到能提取出所有文章，但是传统PDF文字识别都是横向识别，无法确定竖向排版
如果我想完成此工作,有什么开源工具或者解决思路吗?

Answer 1

这不叫竖排，叫分栏排版，给你思路：
1、用工具将pdf导出为一张张的图片
2、用ps打开任一图片，然后开始录制action
3、编辑图片，调整高度为原高度3倍，将中栏及右栏内容分别移至左下方，裁切图片宽度到合适，保存图片
4、停止录制action
5、ps中运行批处理指定刚才录制action，源文件夹指定你导出的存放图片的文件夹
6、执行完成后，所有图片已变成单栏排方式
7、将所有图片拼成一个新的pdf
8、将pdf导入你的识别工具……