打开PDF文件并在文件中搜索名称

Question

3

我有一个PDF文件，想要在里面搜索名字。

- fl00r

2个回答

3

很难回答。这些领域仍处于语义网络的研究范畴。我只能建议一些方向，但很想知道您的明确选择。

我会使用pdf-reader：https://github.com/yob/pdf-reader
您可以使用布隆过滤器匹配某些词典。您可以假设不匹配词典的单词是名称...这并不总是现实的，但这是一个第一步的方法。为了获取更多的名称，您可以检查以大写字母开头的单词（不是很好，但我们继续发现一些基本方法）。一些潜在资源：http://snippets.dzone.com/posts/show/4235
对于您的搜索引擎，使用Rails的两个主要选择是Sphinx和SolR。

希望这有所帮助！

- apneadiving

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- bdk · Accepted Answer

在非结构化文本中查找专有名词，你需要解决的技术问题的技术名称是命名实体识别或命名实体抽取。有许多不同的自然语言工具包和研究论文，采用各种算法尝试解决这个问题。它们都无法达到完美的准确度，但可能已经足够满足你的需求。我自己没有尝试过，但斯坦福命名实体识别器的网页上有一个Ruby绑定的链接。