サーバ上でPDFやオフィス文書からテキストを抜き出す方法あれこれ - 2010-08-02 - ククログ
groongaなどを使って全文検索システムを作るときは、PDFやオフィス文書などからテキスト情報を抜きだして検索用インデックスを作る必要があります。Windowsでテキストを抽出するソフトウェアとしてはxdoc2txtなどがありますが、ここでは、Linuxサーバ上でテキストを抽出する方法を紹介します。 PDF Linux上でPDFを閲覧する場合は、昔はXpdfでしたが、最近はEvinceやOkularの方がよく使われているようです。どちらもPDFの処理にはXpdfからforkしたPopplerというライブラリを使っています。 popplerにはPDFからテキストを抽出するpdftotextというコマンドが付属しているため、それを利用してPDFからテキストを抽出できます。 % pdftotext hello.pdf hello.txt これでhello.pdfのテキスト情報がhello.tx
JavaScriptでsprintfとかprintfとか - latest log
CoverFlow作ってる最中ですが、Firefox以外のブラウザでうまく動かせていない(canvasの互換性が…)ので、気晴らしに30分ほどでsprintfを作ってみました。 ここまで読んで、「はいはい、JavaScriptでsprintfが使えるとたぶん便利だけど、車輪の再開発だよねぇ」と思うのが普通の技術者の反応でしょうね。 ここで公開するsprintfの実装は、国際化(i18n)時に必要となる「プログラム(引数の順番)を変えずにフォーマット文字列だけを差し替える機能」を持ってるので、そういうケースでは特に活躍するかもしれません。 引数の番号付けと交換機能については、PHPのsprintf()関数の仕様を参考にしています。 一応速度のことも気にしているので、あまり重要ではない機能(0や空白のパディング,align)は削りました。 あとは…、"JavaScript sprintf"でグ
ステレオグラムで立体的に見えてくるアスキーアートムービーが作れる『3D Streogram Ascii Movie Generator』 | POP*POP
ステレオグラムで立体的に見えてくるアスキーアートムービーが作れる『3D Streogram Ascii Movie Generator』
アプリの書式設定を維持したままコピーする (感じ通信)
最初にこのショートカットは Mac OSX で、その上ひょっとしたら cocoa アプリにしか適用しないのかも判らない。一応ほんの少しだけウェブで情報を探してみたのだが該当するものは見つけられなかった。 そのショートカットとは、この間 Yojimbo Talk List というフォーラムを覗いて発見したのだが、Yojimbo の Note のテキストエリアは書式設定ができるのだが、その書式設定を維持したままウェブページからコピー & ペーストするというショートカットだ。 たとえば下記の画像を観ていただきたい。 大きなゴシック体の【レギュラーガソリン・・・】がウェブページからコピー & ペーストしたテキストだ。そのまま単純に command+C と command+V だとウェブページの書式のままペーストしてしまう。 ところがペーストする時に ⌥+shift+⌘+V（option+shift
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
Text + Image + CSS3 = Crazy Delicious
ライブドアブログ｜無料で豊富な機能が充実
