Parsing PDFs in Clojure - Increasingly Functional
December 5th 2013 Tagged: clojure For whatever unknowable reason, the Harrisburg PD publishes its crime blotter in PDF format. It's simple monospaced text with no images or extra formatting, but it comes as a PDF that has to be stripped in order to parse its contents. Here's how I did that with Clojure and PDFBox. First, add PDFBox to your project.clj: [org.apache.pdfbox/pdfbox "1.8.2"] Then impor
PDFからテキストを抽出する - 人工知能に関する断創録
自分が収集した論文データベースを対象にいろいろ言語処理してみようと考え中。そのためにはまずPDFファイルからテキスト部分を抽出できなくてはいけない。調べてみたところXpdfというツールが見つかったので使い方メモ。ソースコードからコンパイルもできるし、Windowsならバイナリもある。 以下、インストール手順。とりあえずxpdf-3.02.tar.gzと日本語PDF用の言語パックxpdf-japanese.tar.gzをダウンロードした。ソースコードからインストールする場合は、freetype2とt1libが必要なので入れておきインストール場所を確認しておく。うちのPCにはすでに /opt/local にインストールしてあった。 tar xvzf xpdf-3.02.tar.gz cd xpdf-3.02 ./configure --with-t1-library=/opt/local/li
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
