pdf处理思路
1 抽取文本数据
2 抽取图片数据
3 抽取表格数据
==》 人名 地名 年代
==》 行业 行业词库 行业编年史 行业人物 行业地点 行业事件
==》 地图数据 地名 范围
方案处理思路
文本处理 ---》 打标签 关系图 关联关系
自然语言处理包
表格处理 表格 --
pyxlrd xml
图片处理 图片标题 -- 图片 --人物 关联
爬虫脚本--pdf处理思路
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
推荐阅读更多精彩内容
- //我所经历的大数据平台发展史（三）：互联网时代 • 上篇http://www.infoq.com/cn/arti...
- Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
- //我所经历的大数据平台发展史（二）：非互//我所经历的大数据平台发展史（二）：非互联网时代 • 下篇http:/...
- 今天，结束了给小伙伴弟弟的十几次补课。我们每次都是周六日整整一上午，和弟弟过的很开心，下周二三考试，明知道成绩提高...
