Ekstrakcija gradnikov PDF datotek

Kastelec, Erik (avtor), Mihelič, Jurij (mentor), Preželj, Andrej (komentor)

PDF dokumenti predstavljajo velik del dokumentov v podjetjih in na spletu. Vsebinski podatki iz dokumentov so težko berljivi s pomočjo programske opreme, kar otežuje analizo in iskanje po dokumentih. Podjetja so si želela iskanja nizov v besedilu in tabelah, a odprtokodne rešitve, ki bi to omogočala v celoti, ni bilo. Obstajale so številne rešitve, ki rešujejo del problema, npr. ekstrakcijo besedila, tabel in analizo OCR. Obstoječe metode so bile smiselno nadgrajene in povezane v program in knjižnico PDFScraper, ki proces ekstrakcije in iskanja gradnikov poenostavi. Programska rešitev omogoča široko podporo različnim tipom dokumentov, kjer se dokument primerno pripravi, analizira in omogoči iskanje po njegovih gradnikih.

• Jezik: Slovenski jezik
• Ključne besede: PDF, ekstrakcija, OCR
• Vrsta gradiva: Diplomsko delo/naloga
• Tipologija: 2.11 - Diplomsko delo
• Organizacija: FRI - Fakulteta za računalništvo in informatiko
• Leto izida: 2020
• PID: 20.500.12556/RUL-120076
• COBISS.SI-ID: 31440899
• Datum objave v RUL: 15.09.2020

KASTELEC, Erik, 2020, Ekstrakcija gradnikov PDF datotek [na spletu]. Diplomsko delo. [Dostopano 26 april 2025]. Pridobljeno s: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&id=120076

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: Extraction of elements from PDF documents

Izvleček

PDF documents represent the majority of business and online documents. They focus on a visual representation of a document and do not contain structural information, which complicates analysis by computer software. Companies were looking for an open-source solution for searching through the content inside tables and text, which was not available. A lot of needed functionality was already available and was used and improved to implement an all in one solution called PDFScraper, which contains an easy to use program, as well as a backend library. PDFScraper supports different formats of input, which are appropriately transformed and analysed to make searching possible.

• Ključne besede: PDF, extraction, OCR