<br><br><div class="gmail_quote">2009/9/2 jimmy <span dir="ltr"><<a href="mailto:jimmy.tty@gmail.com">jimmy.tty@gmail.com</a>></span><br><blockquote class="gmail_quote" style="border-left: 1px solid rgb(204, 204, 204); margin: 0pt 0pt 0pt 0.8ex; padding-left: 1ex;">
On Tue, Sep 01, 2009 at 08:15:29PM -0300, Solli Honorio wrote:<br>
> Jimmy,<br>
saudações Solli,<br>
<div class="im">><br>
> Você não despertou interesse no público com o teu problema, seria legal<br>
> você entender o motivo. A mim ficou dúvidas do tipo :<br>
> * se ele já tem a solução com o pdftotext e pdftohtml, no que eu posso<br>
> ajudar então ?<br>
</div>buscava orientação de pessoas mais experientes em perl, bom, já consegui<br>
uma aqui.<br>
<div class="im"><br>
> * o que seria 'uma forma melhor de realizar este tipo de tarefa?', se eu<br>
> nem entendi qual o problema de ser realizado desta maneira !<br>
</div>pensei que talvez houvesse módulo/método melhor para fazer esse parser,<br>
algo que facilitasse o trabalho de converter para texto e ter que<br>
ficar tratando os textos com regex entre outras coisas, alguns dão muito<br>
trabalho, mas a sua dúvida até responde a minha, talvez não exista<br>
maneira melhor de fazer.<br>
<div class="im"><br>
><br>
> Sem compreender onde realmente posso ajudar, eu peço para vc dar uma<br>
> olhada no CAM::PDF ou no PDF::OCR2. Este último parece meio chato de<br>
> instalar, tem até um procedimento<br>
</div>> ([1]<a href="http://cpansearch.perl.org/src/LEOCHARRE/PDF-OCR2-1.20/INSTALL" target="_blank">http://cpansearch.perl.org/src/LEOCHARRE/PDF-OCR2-1.20/INSTALL</a>).<br>
o CAM::PDF eu testei e não serviu ao caso, vou dar uma olhada no PDF::OCR2.<br>
<div class="im"><br>
><br>
> Sinta-se avontade de ir enviando as dúvidas conforme elas forem surgindo.<br>
</div>com certeza, acho que não consegui explicar adequadamente por estar<br>
bitolado nesse processo, mas você já me ajudou bastante até aqui.<br></blockquote><div><br>Que OS vc está utilizando ? Me informe se você deve, ou não, sucesso na instalação deste módulo, pois parece que ele é meio chato.<br>
<br></div><blockquote class="gmail_quote" style="border-left: 1px solid rgb(204, 204, 204); margin: 0pt 0pt 0pt 0.8ex; padding-left: 1ex;">
<br>
><br>
> Obrigado,<br>
><br>
> Solli M. Honório<br>
><br>
> 2009/8/26 jimmy <[2]<a href="mailto:jimmy.tty@gmail.com">jimmy.tty@gmail.com</a>><br>
<div class="im">><br>
> saudações,<br>
><br>
> preciso retirar certas informações de arquivos no formato pdf e hoje<br>
> uso o pdftotext e pdftohtml (para converter para texto e xml<br>
> respectivamente), ambos derivados de uma biblioteca chamada poppler<br>
</div>> ([3]<a href="http://poppler.freedesktop.org/" target="_blank">http://poppler.freedesktop.org/</a>), essas ferramentas fazem uma certa<br>
<div class="im">> "renderização" do arquivo pdf para texto (os arquivos que manipulam<br>
> permitem isso), tornando possível realizar buscas e extrair o texto<br>
> desejado. A maioria das outras ferramentas/métodos que testei eram muito<br>
> inferiores, extraindo apenas o texto num formato "raw" e ilegível.<br>
> Cheguei a encontrar um binding da poppler em perl, mas na documentação<br>
> não vi nada que fizesse o trabalho das ferramentas citadas a cima (essa<br>
> implementação usa XS, que não conheço quase nada, e não sei se por acaso<br>
> o<br>
> binding gerado herdaria todas as funcionalidades da biblioteca).<br>
><br>
> alguém conhece e/ou sugere uma forma melhor de realizar este tipo de<br>
> tarefa?<br>
><br>
> uma segunda aplicação seria a conversão para texto para facilitar a<br>
> acessibilidade, tenho uma amiga que é deficiente visual e para ela a<br>
> conversão para texto (quando possível) é melhor do que o trabalho<br>
> feito pelos leitores de tela que tentam ler o arquivo pdf (quando<br>
> legível).<br>
><br>
> grato a todos.<br>
> --<br>
> "Não manejo bem as palavras<br>
> Mas manipulo bem as strings."<br>
> ------------------------------<br>
> _______________________________________________<br>
> SaoPaulo-pm mailing list<br>
</div>> [4]<a href="mailto:SaoPaulo-pm@pm.org">SaoPaulo-pm@pm.org</a><br>
> [5]<a href="http://mail.pm.org/mailman/listinfo/saopaulo-pm" target="_blank">http://mail.pm.org/mailman/listinfo/saopaulo-pm</a><br>
<div><div></div><div class="h5">><br>
> --<br>
> "o animal satisfeito dorme". - Guimarães Rosa<br>
_______________________________________________<br>
SaoPaulo-pm mailing list<br>
<a href="mailto:SaoPaulo-pm@pm.org">SaoPaulo-pm@pm.org</a><br>
<a href="http://mail.pm.org/mailman/listinfo/saopaulo-pm" target="_blank">http://mail.pm.org/mailman/listinfo/saopaulo-pm</a><br>
</div></div></blockquote></div><br><br clear="all"><br>-- <br>"o animal satisfeito dorme". - Guimarães Rosa<br>