【发布时间】：2016-03-23 02:41:00
【问题描述】：
我有 pdf 和 word 文件需要用作 Ruta 的输入。我可以将它们转换为文本文件，但如果这样做会丢失所有表格和格式。无论如何我可以在不丢失任何信息的情况下使用它们吗？
谢谢！
【问题讨论】：
【发布时间】：2016-03-23 02:41:00
【问题描述】：
您需要一个能够将 pdf (/doc/docx) 转换为 html 的附加程序。主要有两种不同类型的 PDF 转换器：一种是使用绝对位置来生成好看的 html，另一种是只依赖 html 元素和 css。对于处理表，我推荐后者。我个人用的是商业的方案，不过也有很多不错的开源软件，比如pdf2htmlEX
如果你有 html，那么你可以应用 HtmlAnnotator 和 HtmlConverter 来获取带有 html 标签注释的纯文本，如UIMA Ruta documentation中所述
【讨论】：
-
谢谢彼得！我可以知道您会为 word 和 pdf 文件推荐哪些商业解决方案吗？我们使用 adobe 专业的，但他们创建的 html 与 Ruta 不兼容。
-
我在 Word/docx 方面的经验已经过时。 PDF：我评估了 Adobe Pro、Nuance Omnipage、Abbyy Finereader 等。每个都有不同的优点。目前，我使用 Datalogics PDF Alchemist。
-
为什么adobe的html不兼容？