문서를 로드하여 파싱하고 토큰화 하기?

문서를 파싱하여 원하는 내용만 별도의 파일로 생성하려고 합니다.

PDF에 PDFbox라이브러리가 있어서 이를 활용중입니다.

문제는 문서를 읽고 이를 토큰화 하는 방법을 모르겠습니다.

텍스트는 스트링으로 읽어와서 자바로 자체 처리 가능한데

그림, 상자, 텍스트를 한번에 받다보니 이를 토큰화 하여 직접 처리해줘야겠는데

이게 쉽지 않네요.

꼭 pdf가 아니더라도 한컴 등의 문서를 파싱하여 토큰화 하는 방법이 있을까요?

  • 어려운 얘기입니다. PDF라는 게 생각하시는 것만큼 정형화되어 있지 않아요. 말씀하시는 게 정말 깔끔하게 구현되면 그기술 가지고 중국이나 미국 가서 스타트업 내셔도 될걸요 엽토군 2019.1.9 22:17

1답변

ᕕ( ᐛ )ᕗ
로그인이 필요합니다

작성한 답변에 다른 개발자들이 댓글을 작성하거나 댓글에 좋아요/싫어요를 할 수 있기 때문에 계정을 필요로 합니다.