Tag: 信息提取

高级PDFparsing使用Python（提取文本没有表等）：什么是最好的图书馆？

我正在寻找一个PDF库，这将允许我从PDF文档中提取文本。 我已经看了PyPDF，这可以很好地从PDF文档中提取文本。 问题在于，如果文档中有表格，则表格中的文本将与文档的其余部分一起提取。 这可能是有问题的，因为它会产生无用的文本部分，看起来乱码（例如，大量的数字拼凑在一起）。 我正在寻找一些更先进的东西。 我想从PDF文档中提取文本， 不包括任何表格和特殊的格式。 有没有这样的图书馆？ 还是我不得不在输出文本上做一些后处理来摆脱这些部分？

苹果如何find电子邮件中的date，时间和地址？

在iOS电子邮件客户端中，当电子邮件包含date，时间或地点时，文本将成为超链接，只需点击链接即可创build约会或查看地图。 它不仅适用于英文的电子邮件，还适用于其他语言的电子邮件。 我喜欢这个function，并想了解他们是如何做到的。 这样做的天真的方法是有许多正则expression式，并运行它们。 但是，我不能很好地扩展，只能用于特定的语言或date格式等。我认为，苹果必须使用一些机器学习的概念来提取实体（8:00 PM，8 PM，8:00， 08：00,20：00,20：00,20：00,2000等）。 任何想法如何苹果能够在其电子邮件客户端如此迅速地提取实体？ 你会用什么机器学习algorithm来完成这样的任务？