Textricator

Textricator 是一个从文档中提取文本并生成结构化数据的工具。
如果你有一批格式相同的 PDF 文件（或一份格式一致的大文件），希望将数据提取为 CSV 或 JSON 格式，Textricator 可以帮上忙！它甚至可以处理经过 OCR 处理的文档！
Textricator 采用 GNU Affero 通用公共许可证第 3 版发布。
Textricator 已部署至 Maven Central，GAV 坐标为 io.mfj:textricator。
该应用由 Measures for Justice 积极使用和开发。我们欢迎反馈、错误报告及贡献。请创建问题、提交拉取请求，或发送邮件至 [email protected]。若你使用了 Textricator，请告知我们。提供你的邮寄地址，我们将寄送贴纸。
io.mfj.textricator.Textricator 是库使用的主入口点。
io.mfj.textricator.cli.TextricatorCli 是命令行接口。
CLI 包含三个子命令，用于调用 Textricator 的三大主要功能：
text - 从 PDF 提取文本并生成 JSON。
table - 解析以行列形式排列的文本。详见表格部分。
form - 使用配置好的有限状态机解析文本。详见表单部分。