找高人帮忙写一个 iOS 平台上的 PDF 解析器,有酬! - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member  Sign In
forkon
V2EX    iOS

找高人帮忙写一个 iOS 平台上的 PDF 解析器,有酬!

  •  
  •   forkon Jan 30, 2018 4367 views
    This topic created in 3014 days ago, the information mentioned may be changed or developed.

    想将 PDF 页面上的文本和图片提取出来,并按它们出现的先后顺序进行排序。

    在网上找了很多方案都达不到理想的效果:

    1. 苹果官方的 PDFKit 可“准确”(不含不必要的换行符)地提出页面上的文本,但是无法提取图片, 提取出的文字也不含其在页面上的位置信息。
    2. PSPDFKit 可提出含位置信息的文本,但它是按行而不是按段落提取,此外它还可以提取页面上的图片,不过不完美,时有提取不到的情况发生。

    还试了其它的一些 PDF 资源提取工具,发现取出来的文本都含有不必要的按行符,页面上的图片也不是所有的都能取到。

    现在想找人写一个可以用在我的 iOS 项目里的 PDF 解析器,开源闭源都可以,有报酬,可开价。

    关于这个解析器,我希望给它一个 PDF 文档和指定的页码就能返回一个包含排好序的文本和图片信息(如果有的话)的数组。

    15 replies    2018-01-31 00:11:37 +08:00
    laobaozi
        1
    laobaozi  
       Jan 30, 2018
    如果没找到合适的 iOS 提取,是不是可以考虑服务器提取之后返回
    forkon
        2
    forkon  
    OP
       Jan 30, 2018
    @laobaozi 这也是一个思路,不过我想让我的 App 离线也能用。
    forkon
        4
    forkon  
    OP
       Jan 30, 2018
    @laobaozi 谢谢啦 不过这个我已经看过了 讲得不够深入

    发现 pdf 的解析真的很复杂……
    shuson
        5
    shuson  
       Jan 30, 2018
    forkon
        6
    forkon  
    OP
       Jan 30, 2018
    @shuson 我要处理的是非扫描生成的 pdf 所以用不上 ocr
    3a3Mp112
        7
    3a3Mp112  
       Jan 30, 2018
    你这个活,放在 V2EX 要 5W, 猪八戒都要 1W
    forkon
        8
    forkon  
    OP
       Jan 30, 2018
    @3a3Mp112 你能写吗
    znood
        9
    znood  
       Jan 30, 2018 via iPhone
    转 word ?
    3a3Mp112
        10
    3a3Mp112  
       Jan 30, 2018
    @forkon 重新想了一下 ,没什么好思路,写不出。 猪八戒 2 万可以试试。
    forkon
        11
    forkon  
    OP
       Jan 30, 2018
    @znood 每打开一个都转一遍? iOS 平台上有好用的 pdf 转 word 的 lib ? word 的解析很容易?
    yyrj
        12
    yyrj  
       Jan 30, 2018 via iPhone
    5 万可以试试
    hackpro
        13
    hackpro  
       Jan 30, 2018 via iPhone
    有无 PDF 样张提供 是否需要处理页眉页脚脚注页码信息,可以尝试下
    forkon
        14
    forkon  
    OP
       Jan 31, 2018
    @hackpro 只要不是扫描类的 pdf 都可以 只好是能把页眉页脚脚注页码信息去掉只保留正文
    forkon
        15
    forkon  
    OP
       Jan 31, 2018
    @yyrj 你要是能做得比 PSPDFKit 好,然后像他们那内闭源卖 license,何止赚 5 万?
    About     Help     Advertise     Blog     API     FAQ     Solana     2499 Online   Highest 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 47ms UTC 12:20 PVG 20:20 LAX 05:20 JFK 08:20
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86