Help: Take 150 seconds to parse
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Error
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- javascript
- Área
- backend, performance
Línea de trabajo
No se nombran archivos fuente ni pruebas. Empieza por PDFParser.loadPDF y getRawTextContent en el punto de entrada parsePdf proporcionado y, a continuación, compara el procesamiento de los dos PDFs enlazados mientras perfilas el parser. Se considera terminado cuando se haya identificado y documentado la causa de la gran diferencia de tiempo, o se haya acotado a una etapa de parsing específica.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I'm trying to process this document - http://imwerden.de/pdf/bocharov_roman_tolstogo_vojna_i_mir_1978__ocr.pdf and it takes +-150 seconds.
Why so long ? Speed depends on font type ?
Also similar size pdf (http://gsl.mit.edu/media/programs/south-africa-summer-2015/materials/0to1.pdf) processed for 5 seconds.
const parsePdf = (filePath) => {
let pdfParserRawText = new PDFParser(this,1);
pdfParserRawText.loadPDF(filePath);
return new Promise((resolve, reject) => {
pdfParserRawText.on('pdfParser_dataError', errData => {
reject(new Error(errData.parserError));
});
pdfParserRawText.on('pdfParser_dataReady', pdfData => {
const rawText = pdfParserRawText.getRawTextContent();
resolve(rawText);
});
});
};
- Lenguaje dominante
- Java
- Estrellas
- 2.2k
- Forks
- 396
- Merge medio
- 9 d 19 h
- PR fusionados (30 d)
- 3
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de modesty/pdf2json
-
getRawTextContent() returns the lines of every page in reverse order (bottom to top) since 4.0.3Abierto
Dificultad 1/5 1-3 horas Aptitud para principiantes 90/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
-
Dificultad 3/5 1-2 días Aptitud para principiantes 38/100
-
`getRawTextContent` does not returns words' pieces in proper coordinate orderPosiblemente ocupada Un pull request vinculado a esta issue está abierto o ya se fusionó. Abierto
Dificultad 3/5 1-2 días Aptitud para principiantes 48/100
-
many warnings in version 4.0.0Abierto
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
Todos los issues de modesty/pdf2json
Issues similares
-
bug subsystem:agent-harness triage
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
ShaftHQ/SHAFT_ENGINE#7797 ·
Los mantenedores suelen responder en 1 día
-
ARM: Q flag should be stickyAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 73/100
NationalSecurityAgency/ghidra#10155 ·
Los mantenedores suelen responder en 2 días
-
area:data coverage
Dificultad 1/5 Menos de una hora Aptitud para principiantes 67/100
reacher-z/Awesome-CUA#4864 ·
Los mantenedores suelen responder en 19 días
-
bug web-ui
Dificultad 2/5 1-3 horas Aptitud para principiantes 67/100
jenkinsci/jenkins#27705 · 3 comentarios ·
Los mantenedores suelen responder en 1 día
-
"item-tooltip-keyboard-fix" crashes the game when opening the Items tab of the statistics menuAbiertomod bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 64/100
elmital/FixMCStats#65 · 3 comentarios ·