从PDF中提取表格数据并对其进行排序
这是一个PDF文件，其中包含特定考试的标记列表。 http://www.megaupload.com/?d=T9VM6P9E从PDF中提取表格数据并对其进行排序
我特别感兴趣的第一个列表，但不幸有2112条目。而且它们的格式不正确。我需要对所有这些条目进行排序（基于最后2列中的标记 - 能力和计算机中的标记总和），以了解我的排名是什么。
我试图在MS Word和Excel中复制，但如果你尝试它，你可以看到它不会帮助。在将它粘贴到一个纯文本文件中后，我尝试使用正则表达式（在Notepad ++中）对其进行格式化，在C中编写代码以正确分隔每个字段'\ t'（以便稍后我可以将它们正确地复制到Excel工作表中），但不一致性使我失败（某些条目产生多行，“名称”没有固定的字段数）。
有人可以提出任何想法，将PDF格式的第一个列表以原始文件的形式复制到电子表格中吗？
我非常需要对此进行排序，任何帮助将不胜感激。 :)
我曾经负责构建一个解析器，该解析器可以从表格和非表格数据中以多种不同编码方式提取数据，并混合使用rtl和ltr文本。该项目付出了相当大的努力，但用简单的英文表，您应该能够立刻剖析PDF。在adobe.com上查找PDF规格，如果是绝望的开始挖掘。
此外，您还需要先使用pdftk.exe来解压缩文件。
快捷方式，我是援助： http://www.adobe.com/devnet/pdf/pdf_reference.html
嗯，我有点管理它。我首先将它复制到一个纯文本文件，删除所有的字母，只留下序号和相应的标记，用空格或制表符分隔。然后使用OpenOffice电子表格中的“导入”，告诉它分隔符是空格和制表符（如果需要，将它们组合在一起）和宾果游戏！我获得了我的等级。
但我仍然想知道是否可以复制整个表。所以保持这个问题的开放。
这是一次性交易还是想定期建立一个工具来做到这一点？ – 2010-05-10 15:56:49
嗨ninad，我正在做同样的方式，就像你如何解释上面，但我面临的问题是当我提取一个只有数字的行，数字的位置正在洗牌！对于我处理的每个pdf文件，这个数字的位置是随机变化的， – 2014-08-02 07:27:04
-
对于有关为什么PDF文件格式应该永远不会被托管提取，结构化数据认为是合适的背景，看到这篇文章：
-
对于一个惊人的开源工具家族，每周从PDF获取表格数据（除非他们是扫描页面），每周都会变得更好更好 - 矛盾点'1'。以上！ - 看到这些链接：
我发现Tabula感谢你的回答，它对我来说非常好。 – Esteis 2015-02-01 16:17:42
谢谢desertverge，但你能够规定确切的程序？我不太熟悉PDF文件格式和东西... 我试过pdftk解压缩它，但它说它无法打开PDF文件。我实际上正在尽我所能对列表进行排序，所以没有多少时间阅读文档。稍后会看到它。不管怎么说，还是要谢谢你。 :) – Ninad 2010-05-10 15:46:58