Original title: Extrakce textu z PDF
Translated title: PDF Text Extraction
Authors: Kubík, Petr ; Otrusina, Lubomír (referee) ; Schmidt, Marek (advisor)
Document type: Bachelor's theses
Year: 2010
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Práce se zabývá extrakcí textu z dokumentu PDF, obsahující především vícesloupcový text. Je zde popsána struktura PDF a rozbor získání textu z PDF. Práce se dále zaměřuje na návrh a implementaci algoritmu vylepšujicí extrakci textu. Bachelor's thesis is concerned with text extraction from PDF dokument which contains mainly multi-column text. There's a description of PDF structure and analysis of text extraction from PDF document. Thesis is focused on suggestion of algorithm's implementation of improving text extraction.
Keywords: dictionary; flow text; format output; format PDF; PDFBox; pdftotext; poppler; reprezentation text; stream; formát PDF; formátování výstupu; PDFBox; pdftotext; poppler; proud; reprezentace textu; slovník; tok textu

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/56037

Permalink: http://www.nusl.cz/ntk/nusl-239087


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses