作者示範如何避免把 PDF 讀取失敗誤判成掃描檔
pdftotext returned nothing, so my agent decided the PDF was a scan. It had a text layer the whole time.
重點導讀
PDF 工具讀不到文字,不代表檔案裡沒有文字;這個誤判還可能讓重要數字被當成不可靠資料。
- 作者檢查一份政府統計 PDF 時,發現 pdftotext 回傳空白,網頁擷取工具也說讀不了,但 pypdf 成功讀出整張表。兩個數字看起來衝突,核對後才發現分別來自不同財政年度。作者建議至少試兩種不同的讀取方式,記下哪個工具失敗、哪些方法還沒試。
- 如果手上的工具不夠,就交給能繼續檢查的人。這樣才不會把工具的限制誤當成檔案本身的問題。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處dev.to
pdftotext returned nothing, so my agent decided the PDF was a scan. It had a text layer the whole time.
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Dev.to Top Tech (dev.to)
開啟原文