Database PDF文本提取器

我需要将主要零售连锁店（如家乐福、Lidl等）的广告传单中存储的信息上传到数据库中

我找到的最快解决方案是：

我从主站点下载PDF

我启动了一个名为pic2filex的程序，它可以立即从剪贴板保存图像

使用快照工具剪辑所有不同的文章

启动一个过程，将图像加载到数据库中，并为每个图像插入产品名称和价格

---

有没有更快的方法？

您是否使用OCR获取产品名称和价格？在产品传单上，我认为这些传单通常非常嘈杂，这将受到很多错误和手动更正的影响。我不使用OCR，因为我认为我将花费更多时间从所有文本中识别商品名称（通常也有描述），因此我必须加入/保存名称+图像（和价格）OK，请记住，文本提取也很困难，因为glyph可以单独放置，也可以成组放置，也可以旋转放置，等等-确定哪些行构成文本行，哪些行构成块，这是一个非常重要的问题。一定要使用现有的库来实现这一点，因为编写它将非常耗时。