textract .djvu支持

nwo49xxi 于 5个月前发布在其他

关注(0)|答案(6)|浏览(96)

在djvu文档中可以嵌入文本信息。

textract

来源：https://github.com/deanmalmgren/textract/issues/34

6条答案

按热度按时间

lg40wkob1#

伟大的主意；知道任何解析 .djvu 的实用程序吗？

赞(0）回复(0）举报 5个月前

5jvtdoz22#

也许 djvutxt ?

DJVUTXT(1)                                                        DjVuLibre-3.5                                                        DJVUTXT(1)

NAME
       djvutxt - Extract the hidden text from DjVu documents.

SYNOPSIS
       djvutxt [options] inputdjvufile [outputtxtfile]

如果djvu中没有文本块，可以像处理其他图片一样使用相同的OCR方法。

赞(0）回复(0）举报 5个月前

hi3rlvi23#

听起来很棒。想要提交一个pull请求吗？doc_parser.py模块应该是这个功能的一个很好的起点。

赞(0）回复(0）举报 5个月前

hs1rzwqc4#

我不确定你是否已经开始了这个工作，但我想提一下我已经合并了 #39 ,现在它切换到了使用基于类的解析器集合，而不是在 v0.5.1 中存在的基于函数的解析器。请查看当前的解析器——尤其是 textract.parsers.doc_parser ——如果你有任何问题，请告诉我！

赞(0）回复(0）举报 5个月前

jv4diomz5#

尚未开始，只是保持这个标签打开；
自由地开始开发这个功能。
如果/当我决定尝试为这个打补丁时，我会在这里写。
(实际上我还没有克隆 "textract")

赞(0）回复(0）举报 5个月前

rseugnpd6#