diplomsko delo
Povzetek
PDF dokumenti predstavljajo velik del dokumentov v podjetjih in na spletu. Vsebinski podatki iz dokumentov so težko berljivi s pomočjo programske opreme, kar otežuje analizo in iskanje po dokumentih. Podjetja so si želela iskanja nizov v besedilu in tabelah, a odprtokodne rešitve, ki bi to omogočala v celoti, ni bilo. Obstajale so številne rešitve, ki rešujejo del problema, npr. ekstrakcijo besedila, tabel in analizo OCR. Obstoječe metode so bile smiselno nadgrajene in povezane v program in knjižnico PDFScraper, ki proces ekstrakcije in iskanja gradnikov poenostavi. Programska rešitev omogoča široko podporo različnim tipom dokumentov, kjer se dokument primerno pripravi, analizira in omogoči iskanje po njegovih gradnikih.
Ključne besede
PDF;ekstrakcija;OCR;računalništvo;univerzitetni študij;diplomske naloge;
Podatki
Jezik: |
Slovenski jezik |
Leto izida: |
2020 |
Tipologija: |
2.11 - Diplomsko delo |
Organizacija: |
UL FRI - Fakulteta za računalništvo in informatiko |
Založnik: |
[E. Kastelec] |
UDK: |
004(043.2) |
COBISS: |
31440899
|
Št. ogledov: |
811 |
Št. prenosov: |
156 |
Ocena: |
0 (0 glasov) |
Metapodatki: |
|
Ostali podatki
Sekundarni jezik: |
Angleški jezik |
Sekundarni naslov: |
Extraction of elements from PDF documents |
Sekundarni povzetek: |
PDF documents represent the majority of business and online documents. They focus on a visual representation of a document and do not contain structural information, which complicates analysis by computer software. Companies were looking for an open-source solution for searching through the content inside tables and text, which was not available. A lot of needed functionality was already available and was used and improved to implement an all in one solution called PDFScraper, which contains an easy to use program, as well as a backend library. PDFScraper supports different formats of input, which are appropriately transformed and analysed to make searching possible. |
Sekundarne ključne besede: |
PDF;extraction;OCR;computer science;computer and information science;diploma thesis; |
Vrsta dela (COBISS): |
Diplomsko delo/naloga |
Študijski program: |
1000468 |
Konec prepovedi (OpenAIRE): |
1970-01-01 |
Komentar na gradivo: |
Univ. v Ljubljani, Fak. za računalništvo in informatiko |
Strani: |
56 str. |
ID: |
12037041 |