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
全Officeユーザーにささぐ――Word／Excel／PowerPointのTips“まとめのまとめ”
全Officeユーザーにささぐ――Word／Excel／PowerPointのTips“まとめのまとめ”：3分LifeHacking（1/2 ページ） PCで仕事をするビジネスパーソン、とりわけWindowsユーザーであれば、ExcelやWordを使ったことがないという人はいないだろう。これまでに紹介してきた「OfficeソフトのTipsまとめ記事」をまとめてみた。 PCで仕事をするビジネスパーソン、とりわけWindowsユーザーであれば、ExcelやWordを使ったことがないという人はいないだろう。最近はGoogle DocsやZohoのようなオンラインオフィスも普及してきたとはいえ、ビジネスの現場ではオフラインでも使えるOfficeソフトがまだまだ根強い。 日頃からよく使うアプリだからこそ、キーボードショートカットなどのちょっとしたテクニックが仕事の効率を大きく左右する。今回はこれまで
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
http://memotune.com/r
http://www.docufarm.com/
