Scraping hyperlinks from pdf?
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
Línea de trabajo
En el issue no se nombra ningún archivo, prueba ni punto de entrada. Empieza por localizar el comportamiento de extracción de hipervínculos en pdf2json y revisar cómo se representan las anotaciones de enlaces PDF; dar por terminada la tarea requeriría una decisión claramente delimitada sobre si los valores href deben aparecer en la salida JSON y cómo, confirmada mediante pruebas o documentación.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I may have just missed the docs on this (if so apologies) but is it possible to extract the links when these only appear on hovering over / clicking the text displayed in the pdf? (with the examples I am using, the text of the link is extracted fine but not the href)
- 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 ·