Add PDF to supported formats; summarize content and extract tags using LLM
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 15/100
Direzione di ricerca
The issue asks to re-enable PDF as a supported input format, not for table extraction, but to summarize its content for the Description field and suggest tags with an LLM. Read how Excel support was re-enabled through qsv, and the note that tabula-rs exists, to see how format handling works today. Done would need a settled choice of LLM integration and a summary and tags produced from a sample PDF, but the thread has been idle for over three years, so confirm scope with maintainers first.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
The legacy Datapusher used to support PDFs, as messytables supported extracting tables from PDFs using pdftables.
That functionality has been removed, as well as Excel support.
We reenabled Excel support in DP+ using qsv.
We should re-enable PDF support again, not to extract tables for now (though there is tabula-rs), but to summarize the content for the Description field and suggest tags.
- Lingua principale
- Python
- Stelle
- 47
- Fork
- 33
- Merge medio
- 2h 28m
- PR unite (30g)
- 10
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di dathere/datapusher-plus
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
dathere/datapusher-plus#359 ·
I maintainer di solito rispondono entro 1 giorno
-
"Total elapsed time" in the JOB DONE line is ~1.79 billion seconds (perf_counter overwrites the time.time() start)Forse già presa @tino097 l’ha presa 14 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
dathere/datapusher-plus#355 ·
I maintainer di solito rispondono entro 1 giorno
-
FormulaProcessing stage always skipped on CKAN 2.10+: ckan.plugins is a list, stage calls .split() on itForse già presa @tino097 l’ha presa 14 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 25/100
dathere/datapusher-plus#354 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
dathere/datapusher-plus#340 ·
I maintainer di solito rispondono entro 1 giorno
-
Prefect requires Sqlalchemy2Aperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 53/100
dathere/datapusher-plus#338 ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di dathere/datapusher-plus
Issue simili
-
documentation good first issue priority: P2 status: ready
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
RhinoLink-Tech/data-fabric#500 ·
I maintainer di solito rispondono entro 1 giorno
-
backlog
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
EchoTools/nevr-runtime#2384 ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: The H2 series' and the H3C's fan 3 is labelled "Chamber Fan", Bambu calls it the exhaust fanApertaarea:ui
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
btclib-org/btclib#3062 ·
I maintainer di solito rispondono entro 1 giorno
-
area:evals area:infra enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
jse-avl/support-bot#4 · 1 commento ·