text-extraction

5El calor

2Respuesta

seleccionar elemento de texto HTML con expresiones regulares?

Quiero buscar © en un documento HTML, y básicamente obtener la entidad a la que se atribuye el derecho de autor. La línea de autor muestra un par de maneras diferentes: <p class="bg-copy">©

javascript jquery regex html-parsing text-extraction 2011-10-30

---

7El calor

4Respuesta

Extracción de palabras completas

que tienen un gran conjunto de texto del mundo real que tengo que tirar de palabras fuera de a la entrada en un comprobador de ortografía. Me gustaría extraer tantas palabras significativas como sea p

python regex word alphabetical text-extraction 2011-04-19

---

6El calor

6Respuesta

Uso de boilerpipe para extraer artículos no ingleses

Estoy tratando de usar boilerpipe biblioteca de Java, para extraer noticias de un conjunto de sitios web. Funciona muy bien para textos en inglés, pero para texto con caracteres especiales, por ejempl

java html text-extraction 2012-02-13

---

6El calor

4Respuesta

Extracción de texto corporal de sitios web, p. extraer solo el encabezado del artículo y el texto no todo el texto en el sitio

Estoy buscando algoritmos que permitan la extracción de texto de sitios web. No me refiero a "strip html", ni a ninguna de las cientos de bibliotecas que lo permiten. Así que, por ejemplo, para un art

algorithm text web-scraping text-extraction 2011-04-21

---

6El calor

4Respuesta

¿Hay un puerto boilerpipe para .net?

¿Alguien conoce un puerto .net para la biblioteca boilerpipe?

c# .net text-extraction html-content-extraction boilerpipe 2012-01-02

---

21El calor

3Respuesta

C# Extraer texto del PDF utilizando PdfSharp

¿Existe la posibilidad de extraer texto sin formato de un archivo PDF con PdfSharp? No quiero usar iTextSharp debido a su licencia. Gracias por sus respuestas. EDIT: Sé que es posible. ¿Pero cómo hago

c# text text-extraction pdfsharp 2012-04-13

---

7El calor

4Respuesta

Jsoup - la extracción de texto

necesito para extraer texto de un nodo de la siguiente manera: <div> Some text <b>with tags</b> might go here. <p>Also there are paragraphs</p> More text can go without paragraphs<br/>

java iteration jsoup text-extraction 2012-04-16

---

5El calor

2Respuesta

Regla extracción de texto PDF en base a las facturas de los sutiles y facturas

que tiene que extraer el texto de las facturas y archivos pdf Los diseños de los archivos pueden hacerse muy complejos, aunque su mayoría lleno de mesas. He leído algunas docenas de artículos sobre el

pdf text-extraction 2012-04-17

---

9El calor

3Respuesta

¿Cómo detectar el área de texto de la imagen?

quiero detectar el área de texto de la imagen como un paso de preprocesamiento para el motor tesseract OCR, el motor funciona bien cuando la entrada es solo texto pero cuando la imagen contiene conten

c++ image-processing tesseract text-extraction 2012-04-18

---

114El calor

15Respuesta

¿Cómo extraer texto de un PDF?

¿Alguien puede recomendar una biblioteca/API para extraer el texto y las imágenes de un PDF? Necesitamos poder acceder al texto que está contenido en las regiones conocidas del documento, por lo que l

pdf text ghostscript extraction text-extraction 2010-09-06

---