CCKS2019-任务5
引言
目前，PDF已成为电子文档发行和数字化信息传播的一个标准，其广泛的学术界的交流以及各类公告的发行。如何从非结构化的PDF文档中抽取结构化数据是知识图谱领域所面临的的一大挑战。此处利用Adobe公司开发的Acrobat DC SDK对PDF进行格式转换，从半结构化的中间文件进行信息转移。引用现有的开源PDF解析方法，Acrobat导出的中间文件保存了更完整在CCKS 2019年公众公司公告评论中，我们的方法获得总成绩第三名。在本次评估中，我们将公告文件（PDF）格式）转换成XML。对于任务一，我们通过查找表标签，获取PDF中所有的表格；然后根据表格的一部分，确定其
2021-12-28 14:36:08
54.12MB
1