PAGE

PAGEIII

基于python的PDF的文档文本提取系统设计

摘要

PDF文档因其优异的特性，在专业文档与企业日常文档中的占比越来越大。PDF文件侧重于显示，可以在各种环境中准确的展示文件内容，是一种十分优秀的数据载体。但是随着办公自动化概念的兴起，PDF文档的一些弊端也开始展现。PDF文档对其自身的结构信息进行了封装，在计算机进行处理时无法直接获取其逻辑结构与语义结构，这使得基于语义的检索在PDF文件的解析过程中变得困难，这为处理PDF文档中的数据带来了极大的困难。

python是一种面向对象的解释性脚本语言，python软件可以通过python解释器跨平台