由于工作的需要,研究c#抽取pdf文档标题有3个月了。这项工作是一项”伟大而艰巨”的任务。应该是我目前研究工作中最长的一次。我觉得在长时间忙碌后,应该找些时间,把自己的心路历程归纳整理,倾诉给读者,使自己的心回归,重新回归自然、平静的状态。每一次的研究工作,说实话,都很累,犹如爬山。在到达山顶的那一刹那,也许你很快乐,也许你即将面临征服另一座山,问题是,我们知道自己迟早是要回归大地的。人生不是也是如此吗?我可以肯定地说,我们来源于宇宙,终将归于宇宙,至于我们从宇宙的何处而来,我不知道,我们终将去哪儿,我不知道。人生道路崎岖坎坷,也会存在诸多上坡路和下坡路,走完所有的路,终将回归。

感慨了这么多,该是回来的时候了。

刚开始接到任务时,首先是从网上搜集各种资料,有一些发表的论文,上面有获取pdf标题的一些流程及注意事项。然后看有没有C#开源的一些库,借助于一些库,我们就可以省很多pdf底层的研究。最后,一个同事,他是找的c++开源库实现了pdf抽取标题,给了我源码,我研究了下。主要是借鉴别人的思路。

要做一件事情,”天时,地利,人和”,这个很重要。我认为,天时就说时机,比如说,我们正要雄心勃勃地做某件事情,突然感冒生病了,这个就是天时吧。”上天安排的最大”,我们只能择机而动,外出旅游,还选个晴天,搬家婚娶还挑个吉祥的日子,就是这个道理。那什么是地利呢?地利,我认为是我们能预估的外界条件。比如,我要创业,我没有资金,没有好的项目,那么创业有可能面临失败;我要骑小黄去上班,路不平则罢了,而且小黄质量有问题,这时候,你应该想到有可能会迟到。人和,就好理解了,你和上司关系不佳,将直接影响你的工作开展。

这次任务,从整体上来看,这三者都具备。唯一让人遗憾的是老板把我叫到办公室说,pdf抽取标题比较简单,他拿起一个打印的pdf文档说,这标题很明显嘛,怎么需要这么长时间而且准确率还没有达到90%多以上。接着在会上,让我说下目前工作的进展,从事情的总体上来看,当时才刚刚开始,说实话,当初还处于探索问路阶段,前面是迷雾,我不知道路有多远,现在走了多少,根本不知道啊。在会上,我语言表达欠佳,遭到老板的粗鲁打断,他简单了说了下。

幸运的是,我的女领导,直接上司,比较支持我,在我的努力下,还有她的支持下,工作才开展了下去,直到完成。

c#抽取pdf文档标题——前言的更多相关文章

  1. c#抽取pdf文档标题(1)

    首先看看我的项目结构: 从上面的结果图中,我们可以看出,主要用了两个库:itextsharp.dll 和 pdfbox-1.8.9.dll,dll文件夹存放引用的库,handles文件夹存放抽取的处理 ...

  2. c#抽取pdf文档标题(3)

    上一篇介绍了整体流程以及利用库读取pdf内容形成字符集合.这篇着重介绍下,过滤规则,毕竟我们是使用规则过滤,最后得到标题的. 首先看归一化处理,什么是归一化呢?就是使结果始终处于0-1之间(包括0,1 ...

  3. c#抽取pdf文档标题(2)

    public class IETitle { public static List<WordInfo> WordsInfo = new List<WordInfo>(); pr ...

  4. c#抽取pdf文档标题(4)——机器学习以及决策树

    我的一位同事告诉我,pdf抽取标题,用机器学习可以完美解决问题,抽取的准确率比较高.于是,我看了一些资料,就动起手来,实践了下. 我主要是根据以往历史块的特征生成一个决策树,然后利用这棵决策树,去判断 ...

  5. Python处理Excel和PDF文档

    一.使用Python操作Excel Python来操作Excel文档以及如何利用Python语言的函数和表达式操纵Excel文档中的数据. 虽然微软公司本身提供了一些函数,我们可以使用这些函数操作Ex ...

  6. 如何在ASP.NET Core 中快速构建PDF文档

    比如我们需要ASP.NET Core 中需要通过PDF来进行某些简单的报表开发,随着这并不难,但还是会手忙脚乱的去搜索一些资料,那么恭喜您,这篇帖子会帮助到您,我们就不会再去浪费一些宝贵的时间. 在本 ...

  7. C#给PDF文档添加文本和图片页眉

    页眉常用于显示文档的附加信息,我们可以在页眉中插入文本或者图形,例如,页码.日期.公司徽标.文档标题.文件名或作者名等等.那么我们如何以编程的方式添加页眉呢?今天,这篇文章向大家分享如何使用了免费组件 ...

  8. 将w3cplus网站中的文章页面提取并导出为pdf文档

    最近在看一些关于CSS3方面的知识,主要是平时看到网页中有很多用CSS3实现的很炫的效果,所以就打算系统的学习一下.在网上找到很多的文章,但都没有一个好的整理性,比较凌乱.昨天看到w3cplus网站中 ...

  9. PDF2SWF转换只有一页的PDF文档,在FlexPaper不显示解决方法

    问题:PDF2SWF转换只有一页的PDF文档,在FlexPaper不显示! FlexPaper 与 PDF2SWF 结合是解决在线阅读PDF格式文件的问题的,多页的PDF文件转换可以正常显示,只有一页 ...

随机推荐

  1. go入门

    1.hello world 小程序 package main import "fmt" func main() { fmt.println("hello,世界" ...

  2. Linux 6.4 设置yum 为centOS源

    一. 删除Redhat 自带的yum // root 用户执行 rpm -aq|grep yum|xargs rpm -e --nodeps 二 .下载CentOS 的 yum 安装文件 wget h ...

  3. 高并发关于微博、秒杀抢单等应用场景在PHP环境下结合Redis队列延迟入库

    第一步:创建模拟数据表. CREATE TABLE `test_table` ( `id` int(11) NOT NULL AUTO_INCREMENT, `uid` int(11) NOT NUL ...

  4. php 网络爬虫2种方法

    1,通过curl进行抓取再进行写入文件当中: $curlobj = curl_init(); // 初始化curl_setopt($curlobj, CURLOPT_URL, "https: ...

  5. C#中ASCII码学习心得

    1.利用调用ASCIIEncoding类来实现各种转换.如简单个ACS码和int转换. ***利用(int)ASCIIEncoding类对象.GetBytes(character)[0]得到整数: p ...

  6. UVA - 12186 Another Crisis (树形DP)

    思路:dp[i]表示让上司i签字至少需要多少工人签字.       转移方程:将i的所有节点根据所需工人数量升序排序,设i需要k个下属签字,dp[i] = sum{dp[v]| 0 <= v & ...

  7. 沉淀,再出发——在Ubuntu Kylin15.04中配置Hadoop单机/伪分布式系统经验分享

    在Ubuntu Kylin15.04中配置Hadoop单机/伪分布式系统经验分享 一.工作准备 首先,明确工作的重心,在Ubuntu Kylin15.04中配置Hadoop集群,这里我是用的双系统中的 ...

  8. Integer 与 int

    Integer是java为int提供的封装类.int的默认值为0,而Integer的默认值为null,即Integer可以区分出未赋值和值为0的区别,int则无法表达出未赋值的情况 例如,要想表达出没 ...

  9. Java中File类总结

    /** * @Title:JavaFile.java * @Package:com.yhd.chart.model * @Description:File类测试 * @author:Youhaidon ...

  10. AndroidDevTools

    收集整理Android开发所需的Android SDK.开发中用到的工具.Android开发教程.Android设计规范,免费的设计素材等. 欢迎大家推荐自己在Android开发过程中用的好用的工具. ...