Парсинг текстовых pdf файлов

@Zipri · Регистрация: 10.07.2020

Студворк — интернет-сервис помощи студентам

Всем доброго времени суток!

На днях получил задание - написать программу на c++, осуществляющую парсинг пдф файла, которая вытаскивает автора, название и краткую аннотацию из файла (который подразумевает под собой какую-нибудь статью)

Начал гуглить и яндексить сразу и на всех языках) На наших форумах такие вопросы остаются без ответов.. (надеюсь не в этот раз!), на англоязычных форумах нужной информации тоже не нашёл. В общем, ни как парсить пдф, ни как парсить на с++ - так и не понял...

Если вдруг кто-то поможет разобраться с заданием, объяснит, как можно парсить текстовые пдф-файлы на с++ - буду категорически признателен!
(Если кто-то и с заданием поможет - с меня пивко)

@DrOffset · 11.07.2020, 18:47

Zipri, если задача написать парсер с нуля, то вам нужно читать спецификацию на формат PDF, во всем там разобраться, а только потом писать код.
Вполне естественно, что решение такого задания останется без ответа, потому что мало кто захочет делать это бесплатно.

Если же вам просто нужно прочитать какой-то pdf файл, без написания собственного парсера, то ваш вариант - найти готовую библиотеку для С или С++ и подключить ее в ваш проект на С++. Такая библиотека есть, называется PoDoFo.

Новые блоги и статьи Все статьи Все блоги /
Очистка реквизитов документа при копировании Maks 09.04.2026 Алгоритм из решения ниже применим как для типовых, так и для нетиповых документов на самых различных конфигурациях. Задача: при копировании документа очищать определенные реквизиты и табличную. . .	модель ЗдравоСохранения 8. Подготовка к разному выполнению заданий anaschu 08.04.2026 https:/ / github. com/ shumilovas/ med2. git main ветка * содержимое блока дэлэй из старой модели теперь внутри зайца новой модели 8ATzM_2aurI	Блокировка документа от изменений, если он открыт у другого пользователя Maks 08.04.2026 Алгоритм из решения ниже реализован на примере нетипового документа, разработанного в конфигурации КА2. Задача: запретить редактирование документа, если он открыт у другого пользователя. / / . . .	Система безопасности+живучести для сервера-слоя интернета (сети). Двойная привязка. Hrethgir 08.04.2026 Далее были размышления о системе безопасности. Сообщения с наклонным текстом - мои. А как нам будет можно проверить, что ссылка наша, а не подделана хулиганами, которая выбросит на другую ветку и. . .
Модель ЗдрввоСохранения 7: больше работников, больше ресурсов. anaschu 08.04.2026 работников и заданий может быть сколько угодно, но настроено всё так, что используется пока что только 20% kYBz3eJf3jQ	Дальние перспективы сервера - слоя сети с космологическим дизайном интефейса карты и логики. Hrethgir 07.04.2026 Дальнейшее ближайшее планирование вывело к размышлениям над дальними перспективами. И вот тут может быть даже будут нужны оценки специалистов, так как в дальних перспективах всё может очень сильно. . .	Горе от ума kumehtar 07.04.2026 Эта мне ментальная установка, что вот прямо сейчас, мол, мне для полного счастья не хватает (нужное вписать), и когда я этого достигну - тогда и полный кайф. Одна из самых сильных ловушек на пути. . . .	Использование значений реквизитов справочника в документе, с определенными условиями и правами Maks 07.04.2026 1. Контроль срока действия договора Алгоритм из решения ниже реализован на примере нетипового документа "ЗаявкаНаРаботу", разработанного в конфигурации КА2. Задача: уведомлять пользователя, если. . .

@Zipri 0 / 0 / 0 Регистрация: 10.07.2020 Сообщений: 1

	Парсинг текстовых pdf файлов 10.07.2020, 13:57. Показов 3654. Ответов 1 Метки parsing, pdf (Все метки) Всем доброго времени суток! На днях получил задание - написать программу на c++, осуществляющую парсинг пдф файла, которая вытаскивает автора, название и краткую аннотацию из файла (который подразумевает под собой какую-нибудь статью) Начал гуглить и яндексить сразу и на всех языках) На наших форумах такие вопросы остаются без ответов.. (надеюсь не в этот раз!), на англоязычных форумах нужной информации тоже не нашёл. В общем, ни как парсить пдф, ни как парсить на с++ - так и не понял... Если вдруг кто-то поможет разобраться с заданием, объяснит, как можно парсить текстовые пдф-файлы на с++ - буду категорически признателен! (Если кто-то и с заданием поможет - с меня пивко) 0

@DrOffset 19500 / 10105 / 2461 Регистрация: 30.01.2014 Сообщений: 17,818
	11.07.2020, 18:47
	Zipri, если задача написать парсер с нуля, то вам нужно читать спецификацию на формат PDF, во всем там разобраться, а только потом писать код. Вполне естественно, что решение такого задания останется без ответа, потому что мало кто захочет делать это бесплатно. Если же вам просто нужно прочитать какой-то pdf файл, без написания собственного парсера, то ваш вариант - найти готовую библиотеку для С или С++ и подключить ее в ваш проект на С++. Такая библиотека есть, называется PoDoFo. 0