落伍家园原创推荐 IDC渠道信息新手必读 seo外链打卡签到找回帐号设为首页收藏本站

切换到宽版

落伍者»论坛 › 站长交流区 › 互联网老兵(经典区) › 技术问题，如何提取PDF里面的所有链接

发新帖

[闲聊畅谈] 技术问题，如何提取PDF里面的所有链接 [复制链接]
查看:1439 | 回复:5

1783 主题	6592 帖子	10万积分

落伍者(六六大顺)

选三还是选四？

Rank: 13

贡献: 0

鲜花: 148

注册时间: 2008-3-18

发消息

发表于 2021-9-2 18:37:43 | 显示全部楼层 |阅读模式来自美国

技术问题，如何提取PDF里面的所有链接

文档里有500多个链接，手工搞死人，有没办法快速提取出来？

我试过导出HTML，然后F12什么的，发现导出的时候出现了很多链接丢失。。。。

Cheap VPS Hosting Deals and Benchmarks

回复

使用道具举报

193 主题	2591 帖子	2811 积分

落伍者(两全齐美)

Rank: 2

贡献: 165

鲜花: 10

注册时间: 2005-9-23

发消息

发表于 2021-9-2 18:47:25 | 显示全部楼层来自中国北京

转成图片，然后qq文字提取

回复支持反对

使用道具举报

872 主题	8545 帖子	8109 积分

落伍者(三羊开泰)

魚的马甲

Rank: 3 Rank: 3

贡献: 22

鲜花: 14

注册时间: 2009-9-19

发消息

发表于 2021-9-2 22:50:35 | 显示全部楼层来自中国江苏无锡

导出word 然后弄成html呢

马伊琍歌词照片恢复数据恢复抖音

回复支持反对

使用道具举报

16 主题	3425 帖子	942 积分

落伍者(一心一意)

Rank: 1

贡献: 451

鲜花: 0

注册时间: 2011-12-31

发消息

发表于 2021-9-3 09:51:02 | 显示全部楼层来自中国广东清远

pdf 转成 word 再转 html ，再提取应该就方便了

淘气堡素材下载：免费淘气堡3D素材、SU素材下载

回复支持反对

使用道具举报

51 主题	1801 帖子	3508 积分

落伍者(两全齐美)

Rank: 2

贡献: 2122

鲜花: 40

注册时间: 2007-10-12

发消息

发表于 2021-9-4 16:17:27 | 显示全部楼层来自中国辽宁大连

可以解决，将Pdfl转成html或者文本，可以使用aspose.pdf或者调用wps就可以解决
得到和html文本再提取URL，或者再补全URI即可

回复支持反对

使用道具举报

262 主题	1万帖子	1万积分

落伍者(四季发财)

Rank: 4

贡献: 709

鲜花: 30

注册时间: 2005-8-31

发消息

发表于 2021-9-4 17:28:59 来自落伍手机版 | 显示全部楼层来自中国浙江杭州

pdf里面是文字还是图片格式，
文字的话正则取
图片只能ocr了。

回复支持反对

使用道具举报

发新帖

论坛客服/商务合作/投诉举报:2171544 (QQ)
落伍者创建于2001/03/14,本站内容均为会员发表,并不代表落伍立场!
拒绝任何人以任何形式在本论坛发表与中华人民共和国法律相抵触的言论!
落伍官方微信：2030286 邮箱：(djfsys@gmail.com|tech@im286.com)
© 2001-2014

浙公网安备 33060302000191号

浙ICP备11034705号 BBS专项电子公告通信管[2010]226号
　落伍法律顾问: ITlaw-庄毅雄

手机版|找回帐号|不能发帖？|Archiver|落伍者

GMT+8, 2024-11-26 14:26 , Processed in 0.061803 second(s), 32 queries , Gzip On.

返回顶部