-
Fototrend
Új hozzászólás Aktív témák
-
#17669
sztanozs
veterán
gordonfreemN
#17668
válasz
gordonfreemN
#17668
üzenetére
Próbálj meg ráereszteni egy OCR-t, hátha...
Vagy esetleg ilyesmi: [link]
-
#17667
dqdb
nagyúr
gordonfreemN
#17665
dqdb
nagyúr
válasz
gordonfreemN
#17665
üzenetére
Ahogyan a múltkor is írtam, ehhez logika kell, ami a puszta szöveg mellett a koordinátákból is dolgozik, mert egy PDF-ben tipikusan csak összevissza helyeken szereplő betűk vannak, amit heurisztika képes szavakká összefűzni, de ahhoz még több heurisztika kell, hogy ebből táblázatos adat legyen, amivel dolgozni tudsz.
A PDF-ek adattartalma nincsen véletlenül csatolmányként bedobva valami könnyen feldolgozható formátumban a dokumentumba? Vagy ha nincsen, akkor a PDF-et gyártó oldal nem tudja nektek más formátumban is átadni az adatokat?
-
#17666
sztanozs
veterán
gordonfreemN
#17665
válasz
gordonfreemN
#17665
üzenetére
Egy szkenner/képfelismerő vsz többet tudna ebből kihozni, mint egy PDF parser - persze ez a konkrét PDF struktúrától is függ...
-
#17664
sztanozs
veterán
gordonfreemN
#17661
válasz
gordonfreemN
#17661
üzenetére
Az a gond, hogy ami pdf-ben táblázatnak látszik, az legtöbbször valójában csak formázás, azaz csak pozicionált szöveg (vagy szövegdoboz).
-
#17663
martonx
veterán
gordonfreemN
#17661
martonx
veterán
válasz
gordonfreemN
#17661
üzenetére
Én valami ilyet próbálnék meg használni: GitHub - UglyToad/PdfPig: Read and extract text and other content from PDFs in C# (port of PDFBox)
Nyelvet nem írtál, de gondolom kiindulásnak egy ilyen PDF feldolgozó is jó ötlet lehet, biztos, hogy bármilyen nyelvhez találsz hasonlót. Más kérdés, hogy szvsz még ezzel is elég izgi lehet egy pdf-ben lévő táblázatból kimazsolázni az adatot.
-
#17662
JoinR
őstag
gordonfreemN
#17661
JoinR
őstag
válasz
gordonfreemN
#17661
üzenetére
Ami "könnyen" megoldható, az még mindig az Exceles konvertálás szerintem.
Vagy machine learning, nem véletlenül van egy pár pdf-értelmező adaptáció, nem egyszerű feladat automatizálni. -
#17661
gordonfreemN
addikt
gordonfreemN
#17660
gordonfreemN
addikt
válasz
gordonfreemN
#17660
üzenetére
Bocsi, az lemaradt,, hogy a "Material Order Identification" oszlopra lenne szükségem (még reggel van).
PDF-eket kell összehasonlítani, és ilyen formátumból ez nem egyszerű (beyond compare se jó, mert tudnom kellene, melyik cikkszám van meg másik fájlban is, és ami nincs azokat ki kellene gyűjtenem -
#17629
sztanozs
veterán
gordonfreemN
#17627
válasz
gordonfreemN
#17627
üzenetére
használj if+countif et:
=IF(COUNTIF(C:C,A2),B2,"-") -
#17623
axioma
veterán
gordonfreemN
#17621
axioma
veterán
válasz
gordonfreemN
#17621
üzenetére
fkeres fuggvenyt keresed ha magyar az excel ( beirod
=fkeres(es fel tudod hozni a help ablakot, segit az eligazodasban)
Ha A-ban es B-ben benne van az azonosito es ar osszerendeles, akkor egy barhol levo azonosito melle ki tudod irni az fkeres-sel az a'rat
Ha az A-ban vagy van a'r vagy nincs, es nem szamit a sorrend, akkor elobb rendezd ugy sorba hogy a B-ben az uresek alul legyenek, akkor sajat maga felett mindig megtalalja (es a C-be irdd be akar ki volt toltve a B akar nem, a B-t meg egyszeruen elrejted), vagy ugyanez pepitaban, A lemasol C-be (ertek szerint), A+B rendez ugy hogy az uresek alul, A es B elrejt, D-be fkeres az AB-n. -
#17622
sztanozs
veterán
gordonfreemN
#17621
válasz
gordonfreemN
#17621
üzenetére
Mármint mit szeretnél? h a pont mellette levő cellát nézné meg?
=HA(B8=E8;C8;"-") -
#17615
dqdb
nagyúr
gordonfreemN
#17612
dqdb
nagyúr
válasz
gordonfreemN
#17612
üzenetére
Rövid válasz: éppen az általad is bedobott a PDF to Excel szoftvereket akartam ajánlani, mint egyszerű megoldás, hátha akad belőlük olyan, ami tökéletesen kezeli ezek a táblázatokat.
Hosszú válasz: nem megoldhatatlan, de nem is egyszerű dolog, mert a PDF egy konzisztens megjelenítésre optimalizált formátum, és nem az adatok hordozására/módosítására.
Legextrémebb esetben a szövegek nem is szövegként vannak eltárolva, hanem maguk a betűk vektorosan görbékként kerülnek be a fájlba, és ilyenkor OCR kell a szöveg kinyeréséhez. Ez szerencsére ritka, általában szépen formázott kiadványok esetében fordul csak elő.
Leggyakrabban a szövegek szövegként kerülnek bele a dokumentumba (adatokból sablon segítségével generált dokumentumoknál más megoldást még nem láttam), de a helyzet ennél bonyolultabb, mert nem bekezdésenként vagy szavanként egyben, hanem betűnként külön-külön saját pozícióval. Azaz például az alma szó a, l, m és a betűként* szerepelnek, ahol mindegyik betűhöz tartozik egy koordináta. A PDF megjelenítők vagy az általad igényelt text extractor megoldások pedig valamilyen heurisztikát használva kitalálják, hogy ezek a betűk elég közel vannak egymáshoz a használt betűtípus metrikái alapján, függőlegesen sem nagyon lógnak ki, így valószínűleg egy szót alkotnak. Aztán a szavakat hasonló heurisztika mentén bekezdésekké lehet összefűzni,
A PDF libraryk közül szinte mindegyik kínál valamilyen fajta text extractor megoldást, jobban az iTextet ismerem, ott van egy általános implementáció, amelynek átadhatod paraméterként a helyzetnek megfelelő heurisztikát vagy használhatod a gyárilag beépítettek egyikét. A képen látható dokumentum formátuma eléggé szabályosnak tűnik ahhoz, hogy saját heurisztika nélkül, pusztán az alapértelmezett segítségével kinyert szöveget elég legyen feldolgozni, vagy ha ez mégsem jön össze, akkor ki tudod használni a táblázatjelleget, és pusztán a szövegek pozíciója alapján be tudod lőni, melyik cellában voltak.
* Láttam már olyan generált dokumentumot, ahol tényleges szavak voltak, de ez ritka és a szabvány oldaláról ellenjavallott.
-
#17035
sztanozs
veterán
gordonfreemN
#17034
válasz
gordonfreemN
#17034
üzenetére
Igen, azt akartam írni hogy gyökér könyvtárból nem szeret semmi indulni.
-
#17034
gordonfreemN
addikt
gordonfreemN
#17032
-
#17028
gordonfreemN
addikt
gordonfreemN
#17024
gordonfreemN
addikt
válasz
gordonfreemN
#17024
üzenetére
Jó, közben csak én bénáskodtam a regeditben nagyon figyelni, melyik mappáb an hozod létre az uj key-t
-
#17024
gordonfreemN
addikt
gordonfreemN
#17023
gordonfreemN
addikt
válasz
gordonfreemN
#17023
üzenetére
így sikerült: [link]
Vagyis még mindig nem megy, de már a regeditben benne van
-
#17023
gordonfreemN
addikt
gordonfreemN
#17022
gordonfreemN
addikt
válasz
gordonfreemN
#17022
üzenetére
mindre ugyanazt a hibát hozza, amit lent mutzattam.
-
#17021
sztanozs
veterán
gordonfreemN
#17019
válasz
gordonfreemN
#17019
üzenetére
Ellenőrizd le az Execution Policy-t:
Get-ExecutionPolicy -List
és vagy állítsd át (ha tudod):Set-ExecutionPolicy -ExecutionPolicy Undefined -Scope CurrentUser
vagy írd alá a szkriptet (ha nem tudod átállítani, de az aláírt szkriptek engedélyezettek):Set-AuthenticodeSignature -FilePath C:\CSVcopyBOND1.ps1 -Certificate $cert -IncludeChain All -
#17020
sztanozs
veterán
gordonfreemN
#17019
válasz
gordonfreemN
#17019
üzenetére
Írd alá a szkriptet és akkor talán futtatható lesz. Nálunk is kb ez van...
-
#17019
gordonfreemN
addikt
gordonfreemN
#17018
gordonfreemN
addikt
válasz
gordonfreemN
#17018
üzenetére
hát most meg arcon köpött egy ilyen hibaüzenettel :
Na mára pihentetem
-
#17018
gordonfreemN
addikt
gordonfreemN
#17017
gordonfreemN
addikt
válasz
gordonfreemN
#17017
üzenetére
Kozben meg is lett, nem creationtime kellett mert mivel másoltam az módosult. Helyette a LastWriteTime parancs kellett
Új hozzászólás Aktív témák
● olvasd el a téma összefoglalót!
- 175 - Lenovo Legion Pro 7 (16IAX10H) - Intel Core U9 275HX, RTX 5070Ti
- 174 - Lenovo Legion Pro 7 (16IAX10H) - Intel Core U9 275HX, RTX 5070Ti
- 173 - Lenovo Legion Pro 7 (16IAX10H) - Intel Core U9 275HX, RTX 5080
- 172 - Lenovo Legion Pro 7 (16IAX10H) - Intel Core U9 275HX, RTX 5080
- LG OLED Evo G3, 65,''col, 4K
- Xiaomi Redmi Note 12 Pro 5G 128GB, Kártyafüggetlen, 1 Év Garanciával
- Bomba ár! Lenovo ThinkPad T495 - AMD Ryzen 5 PRO I 8GB I 256GB SSD I 14" FHD I Cam I W11 I Gari!
- CSX 2x2GB (4GB) DDR 800 MHz kit
- iKing.Hu - HONOR 400 Lite 5G Velvet Grey Vékony, könnyű, AI-kameragomb 8/256 GB- 2027. 07. 01
- Jo Nesbo: LEOPÁRD (nem olvasott)
Állásajánlatok
Cég: NetGo.hu Kft.
Város: Gödöllő
Cég: PCMENTOR SZERVIZ KFT.
Város: Budapest