标签： pdf extraction
我必须从大量.pdf文件中提取一些特定数据。我的问题是我要做的第一件事就是将.pdf转换为.txt，以便我可以轻松找到我感兴趣的数据。转换后，.txt文件中有大量的人工制品（如页码，内容的超链接）页面，页脚，标题等）。这些.pdf文件非常庞大（每个文件都是约7-12小时的人们说话的转录）所以我根本无法负担得起手动删除这些东西（我有~60 .pdf文件）。我的问题是 - 有人知道一个允许自动删除这些内容的工具吗？
我很高兴听到每一个能改善我工作的建议:)谢谢！