xzc/pdf_title_image @ 24a6257ddebf1c067471bb9ffb2fb42ad46822bc

Нема описа

lfygithub01 24a6257dde document_py更新		пре 1 година
data	142ff330e5 添加数据	пре 1 година
extracted_images	76f6e51fc3 version 0.1	пре 1 година
README.md	37357cbaf7 readme修改	пре 1 година
all_tables.json	a2eeab68b2 添加全量表格解析模块，表格新增表名识别，新增大纲识别	пре 1 година
document_.py	24a6257dde document_py更新	пре 1 година
get_info.py	3d3861034d pdf无边框表格抽取及使用方法	пре 1 година
lmu.py	59d20e64a0 添加BMP图形保存，添加摘要生成、关键词检测	пре 1 година
matcher.py	65241d1460 添加评审因素段落定位	пре 1 година
outlines.json	a2eeab68b2 添加全量表格解析模块，表格新增表名识别，新增大纲识别	пре 1 година
requirements.txt	59d20e64a0 添加BMP图形保存，添加摘要生成、关键词检测	пре 1 година
responser.py	ee3755c347 add j2k picture extract	пре 1 година
tools.py	808bee4ea6 tools.py更新	пре 1 година
三峡左岸及地下电站地坪整治招标文件（发售版）.docx	65241d1460 添加评审因素段落定位	пре 1 година
投标文件-修改版9-5-1-1.json	a2eeab68b2 添加全量表格解析模块，表格新增表名识别，新增大纲识别	пре 1 година
投标文件-修改版9-5-1-1.pdf	76f6e51fc3 version 0.1	пре 1 година
相似度.json	65241d1460 添加评审因素段落定位	пре 1 година

主要模块描述 1、tools 大纲解析模块 2、get_info PDF信息抽取模块 3、matcher 段落定位模块

PDF中无边框表格内容抽取

1. camelot-py git源下载
	git clone https://www.github.com/camelot-dev/camelot
	修改pyproject.toml中 pdfminer-six = "^20231228"
	安装命令： 进入camelot目录下，pip install -e .
2. 在wsl Debian中安装 ghostscript 【模块本身】
	apt install ghostscript
3. ghostscript 下载
	pip install ghostscript==0.7.0 【模块驱动】
4. 代码修改 【CV运行时不需要设置宽高，使用默认即可】
	tables_pro = camelot.read_pdf(
                    self.file_path,
                    # flavor='stream',
                    pages=str(page_number+1),
                    # edge_tol=200,
                    # row_tol=50,
                )

README.md

PDF中无边框表格内容抽取