Модераторы: LSD, AntonSaburov

Поиск:

Ответ в темуСоздание новой темы Создание опроса
> парсинг pdf 
:(
    Опции темы
gray_k
Дата 2.12.2004, 15:36 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
***


Профиль
Группа: Участник
Сообщений: 1015
Регистрация: 9.1.2003
Где: Москва

Репутация: 1
Всего: 22



Можно как-либо парсить pdf-файл средствами явы?
Мне надо программно осуществлять поиск в pdf-файле.


--------------------
С уважением.
Gray.
PM MAIL   Вверх
Domestic Cat
Дата 2.12.2004, 16:18 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172





--------------------

PM   Вверх
gray_k
Дата 2.12.2004, 17:11 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
***


Профиль
Группа: Участник
Сообщений: 1015
Регистрация: 9.1.2003
Где: Москва

Репутация: 1
Всего: 22



Спасибо, похоже прикольная библиотека.


--------------------
С уважением.
Gray.
PM MAIL   Вверх
sergejzr
Дата 4.12.2004, 04:08 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



А возможно ли использовать этот либ в качестве класса. То есть "читать" pdf сразу в string. Без шагов через файлы.

Сейчас несколько часов разбирался. Пришлось заинстолить несколько package'ей.
Прога то скомпилилась, только при открытии pdf'а у неё исключение smile
Какая то лажа с кодингом....

Вроде не оффоп smile
Буду рад любой помощи smile


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 04:14 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Щас стяну посмотрю. Может прицепишь свой код чтоб проще было? smile


--------------------

PM   Вверх
sergejzr
Дата 4.12.2004, 04:32 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Там ещё надо ant, lucen, log4j без них не пашет smile

Файл с main: OCGui.OCApp.java

Я взял их класс ExtractText и сделал свой InternalExtractText (Он в прицепе src.org.pdfbox)
А их main переделал на функцию createPDF. вызывается она в ESReader: строка 45.


Нужно создать папку (у меня D:\storage) в которой будут pdf'ы лежать. Он оттуда считывает.

http://www.iwi-iuk.org:8081/pr/OClustering.zip
Добавлено @ 04:37
Только много времени не трать на это. В конце концов если что придётся через файлы и екстернал конверторы гонять...


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
sergejzr
Дата 4.12.2004, 04:59 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Ну впринципе можно ещё со stderr забирать.
Или на крайняк файл в памяти smile

Сам по себе либ прекрасно работает smile

Всё smile я здаюсь, сорри. Засыпаю перед компом...
Спасибо smile


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 05:11 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



пропустил про ант/lucene/и пр smile

А какой иксепшн и на какой строке? (я не запускал, смотрю пока smile)
Добавлено @ 05:21
Цитата(sergej @ 3.12.2004, 19:59)
Всё smile я здаюсь, сорри. Засыпаю перед компом...
Спасибо smile


Извиняюсь smile
В общем, если с консоли как в ридми написано, працюе, то и у тебя должно (на первый взгляд) работать при условии что getLocation не возвращает чегонибудь нехорошего, типа пути к файлу но без имени файла.
Жду иксепшн smile



--------------------

PM   Вверх
sergejzr
Дата 4.12.2004, 12:28 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



С ексепшенами разобрался smile Сейчас поставил jar'ы.
Просто хотелось бы метод, забирающий стринг из pdf.

А если я беру их main, делаю нормальный класс,то он говорит мне теперь, "cannot resolve decrypt(), load()". Я така понимаю, там видимость protected.

Может всё таки можно как нибудь "по нормальному" smile?

Вот проект - заготовка он попонятней будет smile
http://www.iwi-iuk.org:8081/pr/mypdfbox.zip


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 16:06 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Цитата(sergej @ 4.12.2004, 03:28)

А если я беру их main, делаю нормальный класс,то он говорит мне теперь, "cannot resolve decrypt(), load()". Я така понимаю, там видимость protected.


Не понимаю smile Можно сам иксепшн и в каком классе он появляется?


--------------------

PM   Вверх
sergejzr
Дата 4.12.2004, 16:16 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



smile Я разобрался с иксепшенами smile
Он просто не все PDF'ы читает к сожалению.
Ну с этим ничего не поделаешь... Они обещали в документации дальше развиваться smile

У меня осталась лишь проблема с генерацией "файла посредника" smile
Попытки написать самому безуспешны. Мне недоступна видимость всех нужных классов.
Работать нормально получилось только непосредственно с ExtractText.main().

Да ладно, фиг с ним smileНе хочу занимать твоё время smile
накорвертирую заранее техтовых файлов, и буду их программно читать smile

В любом случае спасибо smile


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 16:36 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Цитата(sergej @ 4.12.2004, 07:16)
Да ладно, фиг с ним smileНе хочу занимать твоё время smile
накорвертирую заранее техтовых файлов, и буду их программно читать smile


Можно достаточно просто переделать этот самый ExstractText так что он будет давать Стринг, в котором сразу можно искать че-нибудь. После того как документ был
Код

try
{
       document.decrypt( password );
}


нужно будет добавить
Код

String text = stripper.getText(document);

ну и работу со стримами поубирать smile


--------------------

PM   Вверх
sergejzr
Дата 4.12.2004, 16:53 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Я так и пробовал...

В том то и дело, что новый ExstractText должен лежать в том же месте, что и старый. А этого я в jar'e сделать не могу smile
Иначе видимости не хватает smile
PDocument.load() он не видит, поэтому pdf даже не заряжается....




--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 16:57 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Цитата(sergej @ 4.12.2004, 07:53)
PDocument.load() он не видит, поэтому pdf даже не заряжается....

Не может быть, т .к. прототип метода такой:

Код

public static PDDocument load(File file) throws IOException

public static PDDocument load(InputStream input) throws IOException

- паблик, и видеть твой класс его должен smile Может в чем другом дело?


--------------------

PM   Вверх
sergejzr
Дата 4.12.2004, 17:20 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Сейчас пробую ещё раз smile
Он упрямо говорит, чтот таких методов нет smile

http://www.iwi-iuk.org:8081/pr/cluster.zip


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 20:15 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Запости лучше сам иксепшн, без него не понятно smile


--------------------

PM   Вверх
sergejzr
Дата 4.12.2004, 20:21 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Нету эксепшена больше smile

Просто не компилирует, когда пытаюсь вызвать метод PDDocument.load();



--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 20:32 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



аа, ну тогда че он говорит ина какую строку?


--------------------

PM   Вверх
sergejzr
Дата 4.12.2004, 20:40 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Да я уже всё черз файлы стал делать smile
У меня задача вообще в кластеринге этих документов, так что я не могу на месте долго стоять smile

А говорил он "InternalExtractText.java cannot resolve PDocument.decrypt()"
И с load() то же самое.

Я понимаю, что это невозможно, так как функция обьявлена паблик smile Но тем не менее это факт.
Возможно в jar'e она по другому обьявлена. я не знаю....



--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 20:59 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



smile smile
просто load не знает что делать со String, ему нужен File


--------------------

PM   Вверх
sergejzr
Дата 4.12.2004, 22:06 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Нет, не хочет не File, не String. Боралнд даже в подсказке не имеет метода load smile
Цитата
"InternalExtractText.java": cannot resolve symbol: method load (java.io.File)in class org.pdfbox.pdmodel.PDDocument at line 173, column 35




--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 4.12.2004, 22:19 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Странно, в сорце метод load(String) есть, и паблик он smile А вообще он видит PDDocument ?


--------------------

PM   Вверх
sergejzr
Дата 9.12.2004, 02:49 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Видит, как ни странно...
http://www.iwi-iuk.org:8081/pr/cluster.zip

Вот мой проект.
Файл с main: OCGui.OCApp.java
Посмотри сам, елси хочешь smile


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Domestic Cat
Дата 9.12.2004, 07:12 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Ну у меня все скомпилилось, правда на депрекейшн поругалось (Java 1.5). Запустил я твой мейн, нефига не понял чего там делать, потому просто дописал мейн в InternalTextExtractor или как его там, и перевел пдф-ку в текст (лог4j там страшно ругается, его вообще убрать надо).
Так что все работает.

Скорее всего у тебя на CLASSPATH не положены все нужные jar'ы. Попробуй их всех (из PDFBox/lib , PDFBox/external) положить в твояЯва/jre/lib/ext/ и скомпилить smile

ПС Как тебе такой текст для тега вывода с консоли?

Это сообщение отредактировал(а) Domestic Cat - 9.12.2004, 07:16


--------------------

PM   Вверх
sergejzr
Дата 11.12.2004, 03:44 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Цитата(Domestic @ 9.12.2004, 06:12)
Как тебе такой текст для тега вывода с консоли?

Как немного разгребу с делами, попробую добавить smile


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
polosatij
Дата 12.12.2004, 19:13 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
***


Профиль
Группа: Завсегдатай
Сообщений: 1143
Регистрация: 22.2.2004
Где: Stuttgart<-> ;Karlsruhe, Germany

Репутация: 1
Всего: 8



Цитата(Domestic @ 2.12.2004, 16:18)
http://www.pdfbox.org/


млин.. не могу скачать библиотеку smile
может кто здесь её положит?
Добавлено @ 19:14
постоянная ошибка.. нет файла на сервере.. уже столько файлов перекликал..
Добавлено @ 19:15
что значит: The BSD License ?

можно её использовать в комерческих целях бесплатно? smile


--------------------
PM   Вверх
sergejzr
Дата 12.12.2004, 19:27 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Качайте кому надо до вечера smile Потом уберу.
http://www.iwi-iuk.org:8081/pr/PDFBox-0.6.6.zip


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
polosatij
Дата 12.12.2004, 19:49 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
***


Профиль
Группа: Завсегдатай
Сообщений: 1143
Регистрация: 22.2.2004
Где: Stuttgart<-> ;Karlsruhe, Germany

Репутация: 1
Всего: 8



Цитата(sergej @ 12.12.2004, 19:27)
Качайте кому надо до вечера  Потом уберу.



паси smile


--------------------
PM   Вверх
Zandr
Дата 24.12.2004, 09:23 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Опытный
**


Профиль
Группа: Участник
Сообщений: 433
Регистрация: 16.7.2004
Где: Новосибирск

Репутация: 9
Всего: 13



Нада создать PDF с табличками, нумерацией страничек, хедерами, футерами и главное - формирование активного оглавления. Потянет? Есть смысл разбираться?
PM MAIL   Вверх
Domestic Cat
Дата 24.12.2004, 10:00 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Не юзал, не знаю. Вроде как Dynamic PDF и iText такое могут делать. Первый платный, второй - опен сорс.


--------------------

PM   Вверх
Zandr
Дата 27.12.2004, 12:13 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Опытный
**


Профиль
Группа: Участник
Сообщений: 433
Регистрация: 16.7.2004
Где: Новосибирск

Репутация: 9
Всего: 13



На платный денег нет smile Буду копать второй. Пасиб
PM MAIL   Вверх
Domestic Cat
Дата 27.12.2004, 17:19 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Эксперт
****


Профиль
Группа: Экс. модератор
Сообщений: 5452
Регистрация: 3.5.2004
Где: Dallas, US

Репутация: 50
Всего: 172



Они по моему там триал период дают на Dynamic PDF.

Это сообщение отредактировал(а) Domestic Cat - 27.12.2004, 17:20


--------------------

PM   Вверх
Hidrag
Дата 10.9.2007, 15:36 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Опытный
**


Профиль
Группа: Участник
Сообщений: 877
Регистрация: 9.4.2005
Где: JDK

Репутация: 3
Всего: 25



а с помощью PDFBox можно разорвать пдфник на два куска и сохранить как два пдф файла?


--------------------
user posted image
PM WWW ICQ   Вверх
Maksym
Дата 10.9.2007, 16:13 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


.
***


Профиль
Группа: Участник Клуба
Сообщений: 1456
Регистрация: 19.8.2005
Где: Odessa, Black Sea

Репутация: 14
Всего: 62



Hidrag
С помощью iText точно можно.
PM MAIL   Вверх
sergejzr
Дата 10.9.2007, 16:16 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Un salsero
Group Icon


Профиль
Группа: Админ
Сообщений: 13285
Регистрация: 10.2.2004
Где: Германия г .Ганновер

Репутация: 6
Всего: 360



Форматирование при этом пропадёт? 


--------------------
PM WWW IM ICQ Skype GTalk Jabber AOL YIM MSN   Вверх
Maksym
Дата 10.9.2007, 16:30 (ссылка) |    (голосов:1) Загрузка ... Загрузка ... Быстрая цитата Цитата


.
***


Профиль
Группа: Участник Клуба
Сообщений: 1456
Регистрация: 19.8.2005
Где: Odessa, Black Sea

Репутация: 14
Всего: 62



sergejzr
iText представляет pdf-ник в виде объектной модели. Под разрезать я имел в виду: прочитать pdf, затем создать два новых pdf, скопировать в них нужные страницы и записать их. В ходе такого преобразования файл pdf -> iText objects -> файлы pdf что-то может и попортиться. Но, вообще, библиотека достаточно качественная и у меня проблем не было, все поддерживалось.
PM MAIL   Вверх
Bozo
  Дата 10.9.2007, 21:47 (ссылка) | (нет голосов) Загрузка ... Загрузка ... Быстрая цитата Цитата


Новичок



Профиль
Группа: Участник
Сообщений: 32
Регистрация: 5.4.2006

Репутация: нет
Всего: нет



IDRsolutions has released JPedal 3.22, a pure Java library for extracting content from PDF files and rasterizing them.
PM   Вверх
Страницы: (3) [Все] 1 2 3 
Ответ в темуСоздание новой темы Создание опроса
Правила форума "Java"
LSD   AntonSaburov
powerOn   tux
javastic
  • Прежде, чем задать вопрос, прочтите это!
  • Книги по Java собираются здесь.
  • Документация и ресурсы по Java находятся здесь.
  • Используйте теги [code=java][/code] для подсветки кода. Используйтe чекбокс "транслит", если у Вас нет русских шрифтов.
  • Помечайте свой вопрос как решённый, если на него получен ответ. Ссылка "Пометить как решённый" находится над первым постом.
  • Действия модераторов можно обсудить здесь.
  • FAQ раздела лежит здесь.

Если Вам помогли, и атмосфера форума Вам понравилась, то заходите к нам чаще! С уважением, LSD, AntonSaburov, powerOn, tux, javastic.

 
0 Пользователей читают эту тему (0 Гостей и 0 Скрытых Пользователей)
0 Пользователей:
« Предыдущая тема | Java: Общие вопросы | Следующая тема »


 




[ Время генерации скрипта: 0.0887 ]   [ Использовано запросов: 22 ]   [ GZIP включён ]


Реклама на сайте     Информационное спонсорство

 
По вопросам размещения рекламы пишите на vladimir(sobaka)vingrad.ru
Отказ от ответственности     Powered by Invision Power Board(R) 1.3 © 2003  IPS, Inc.