PDF 论文文本提取工具
$10-30 USD
Posted 1 minute ago
•
Ends in 6 days
$10-30 USD
Paid on delivery
我正在做一项小规模测试,需要一个非常简单、轻量级的工具,专门从 PDF 论文文件中提取全文文字,并一键导出为 TXT 文本文件。 核心需求 • 支持上传或拖放单个 PDF 论文; • 准确抓取整篇论文的文字内容(包括多栏排版、公式周边文字等常见格式); • 点击或命令行参数即可将提取结果保存为本地 TXT 文件,文件编码以 UTF-8 为佳; • 无需提取图片、表格或参考文献格式,仅关注纯文字; • 操作流程越简单越好,最好“选文件 → 导出”两步完成。 技术与实现 你可以选用 Python(如 PyPDF2、[login to view URL]、pdfplumber)、JavaScript(如 [login to view URL])或其他你最熟悉的方案,只要最终产出一个可直接运行的脚本、可执行文件或简易网页即可。我更关注可用性与准确率,而非界面美观。 交付物 1. 可运行的提取工具(脚本、可执行文件或网页); 2. 简短的使用说明; 3. 核心源代码,附主要依赖列表与安装方式。 如果你的方案能在常见科研 PDF 上保持稳定输出,欢迎来和我聊一聊!
Project ID: 40813153
About the project
1 proposal
Open for bidding
Remote project
Active 22 secs ago
Place your bid
Bid amount Email addressBenefits of bidding on Freelancer
Set your budget and timeframe
It's free to sign up and bid on jobs
1 freelancer is bidding on average $15 USD for this job


这个论文PDF转TXT的小工具,我打算用Python加PyMuPDF来做。我会按文字块坐标判断双栏排版,先读左栏,再读右栏,避免两栏文字混排在一起。导出统一用UTF-8编码,并合并跨行断开的英文连字符单词。 操作方面,双击运行后会弹出文件选择框,选好PDF后直接导出同名TXT文件。工具也支持命令行参数,并附带依赖列表、安装说明和简短的使用说明。我默认您的论文是带文字层的PDF;如果是扫描版图片,就需要另外加OCR,这部分不在本次范围内。 您可以先发一两篇常用的论文PDF给我,我会把提取出来的TXT发回给您,您对照原文检查分栏顺序和公式周边文字是否准确,确认没问题后我再交付完整工具和源代码。
内容来自 Freelancer News,版权归原作者所有。
阅读原文 ↗