PDF를 데이터로 보는 올바른 자세

학습목차

• PDF 문서 살펴보기
  • PDF 감옥에서 데이터를 탈출시키다.
  • 기계판독 가능한 PDF 문서에서 표추출
  • 문서(tika)
    • CV 제작
  • PDF → 워드 - 리브레오피스(LibreOffice)
  • PDF 파일 목차 (Table of Contents)
  • PDF → 워드(.docx)
  • PDF → 웹사이트
• 이미지 PDF
  • 이미지 PDF 파일 데이터 추출
  • 기계판독 불가능한 PDF 문서에서 표추출
  • OCR:: 기계판독 가능한 테이블(표)
• 광학문자인식(OCR, Optical Character Recognition)
  • 라벨(annotation) 데이터
  • 텍스트 탐지(Text Detection)
• 워드 파일에서 표(table) 추출
• 1 페이지 두쪽 인쇄 → 다시 원복
• 디지털 타이포그래피(Digital Typography)
  • 구글 노토(Noto)
  • 글꼴(font)
  • R 마크다운 폰트
    • 문서 style
  • R 마크다운 폰트 CSS
    • 문서 css
• 태써랙트(Tesseract)
  • 자동차 번호판 인식
  • 검정배경 흰색글자 인식
  • 문자 분리(character segmentation)
  • 애비(Abbyy): Access Abbyy Cloud OCR from R
  • 문자인식(OCR) - tesseract
  • PPT 장표 - OCR tesseract
• 한국 R 컨퍼런스 - 간지
• PDF2HTML
• hwp → 데이터프레임