自然言語処理くわしいやつきて

[0001 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:06:38.601 ID:tqWwSYZIM]

ワードとかpdfとかのデータ食わせたいんだけど
邪魔なもの取り除く以外にどんなことすればいいの

[0002 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:07:59.681 ID:5v3mYiVH0]

pdfとかいうテキストもまともに取り出せない欠陥形式

[0003 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:08:44.610 ID:tqWwSYZIM]

pdfのヘッダー風情報とフッダー風情報楽に消せないの

[0004 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:10:27.563 ID:tqWwSYZIM]

あるいはオススメ本とか入門ページ的なのおしえてくれるとうれしいかもかも

[0005 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:12:44.174 ID:5v3mYiVH0]

LinuxとかだとpdftkっていうコマンドラインでPDFをいじくれるツールがあるな
後はpandocとか？
そこら辺でどうにかできないなら他は知らない

[0006 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:14:09.169 ID:tqWwSYZIM]

>>5
そのへんの情報なかったからたすかる
どうやって仕入れてるの
たまたま知ってた感じ？

[0007 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:15:09.490 ID:5v3mYiVH0]

>>6
LinuxとMacOSX長いから知ってた

[0008 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:16:51.287 ID:tqWwSYZIM]

>>7
さんくす

[0009 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:18:21.276 ID:oyElKXzW0]

(´・ω・｀)てっさらくとゆうのう

[0010 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:21:53.174 ID:tqWwSYZIM]

>>9
にほんごでおけ

[0011 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:23:33.146 ID:tqWwSYZIM]

>>9
ひらがなでもぐぐったらててきた
さんくす

[0012 以下、5ちゃんねるからVIPがお送りします 2023/06/23(金) 18:24:46.484 ID:jSE3X+gXM]

PDFはパースするところで躓きそう