getRawTextContent() returns text not found in pdfData.formImage

Aperta
  • Qualcosa non va?
#209 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
3/5
Tempo stimato
1-2 giorni
Idoneità per principianti
25/100
Tipo di issue
Bug
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
json
Ambito
backend

Direzione di ricerca

Inizia tracciando getRawTextContent() e confrontando il suo output con pdfData.formImage.Pages[].Texts nell'esempio fornito. Analizza il percorso di estrazione del testo PDF e documenta perché può essere restituito del testo quando quegli array sono vuoti; il lavoro è completato quando il comportamento ha una spiegazione chiara oppure è stata identificata una correzione riproducibile.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

When I look at the pdfData.formImage object there are no text blocks, but getRawTextContent() returns the strings that I expect to see. I'm not very familiar with how/if the implementation of text extraction differs, so is there a simple explanation for this e.g. the formatting of the pdf, or how do I go about debugging?

pdfData.formImage is something like

{"formImage":{"Transcoder":"[email protected] [https://github.com/modesty/pdf2json]","Agency":"","Id":{"AgencyId":"","Name":"","MC":false,"Max":1,"Parent":""},"Pages":[{"Height":49.5,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":49.5,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":49.5,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":49.5,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":49.5,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":52.625,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":49.5,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":49.036,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":49.036,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":47.932,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":47.932,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]},{"Height":47.767,"HLines":[],"VLines":[],"Fills":[{"x":0,"y":0,"w":0,"h":0,"clr":1}],"Texts":[],"Fields":[],"Boxsets":[]}],"Width":38.25}}
```
Lingua principale
Java
Stelle
2.2k
Fork
396
Merge medio
9g 19h
PR unite (30g)
3

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

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di modesty/pdf2json

Tutte le issue di modesty/pdf2json

Issue simili

Altre issue su Java

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.