PDF文件文本内容提取研究  

Research on the Text Extraction from PDF Files

作　　者：张秀秀[1] 张立峰[2] 

机构地区：[1]中国科学院国家科学图书馆兰州分馆,甘肃兰州730000 [2]兰州交通大学数理与软件工程学院,甘肃兰州730070

出　　处：《科技情报开发与经济》2008年第36期118-120,共3页Sci-Tech Information Development & Economy

基　　金：中国科学院知识创新工程青年人才领域前沿项目"元数据自动抽取工具在数字知识库建设中的应用研究与开发"的研究成果之一

摘　　要：介绍了PDF的文件结构,在此基础上,给出了PDF文件的解析流程,以及从解析后的内容流中提取文本内容的方法。This paper introduces the structure of PDF documents,and shows the procedures for file parsing and text extraction from the parsed content streams.

关 键 词：PDF 文件解析 文本提取 

分 类 号：G250.73[文化科学—图书馆学]