文本提取是从非结构化和/或半结构化机器可读文档（文本）中自动提取结构化信息的任务。
寻找专家，希望有人能够帮助我。 我有一个很长的联想产品清单，我正在寻找一种方法从中提取其产品编号。 问题是
com.google.firebase.functions.FirebaseFunctionsException：不存在图像
当我从 kotlin 代码调用函数注释图像时，我得到了 firebase Exception 的响应。 异常消息是===>“com.google.firebase.functions.FirebaseFunctionsException：没有图像
我想用python3编写一个函数，从有235页、大小为13.6mb的阿拉伯语pdf文件中提取数据，重点是从第51页到第67页（含）提取数据，然后过滤提取的数据...
我正在尝试编写从 CSS 代码中提取所有十六进制颜色的正则表达式。 这就是我现在所拥有的： 代码： $css = << 我正在尝试编写从 CSS 代码中提取所有十六进制颜色的正则表达式。 这就是我现在拥有的： 代码： $css = <<<CSS /* Do not match me: #abcdefgh; I am longer than needed. */ .foo { color: #cccaaa; background-color:#ababab; } #bar { background-color:#123456 } CSS; preg_match_all('/#(?:[0-9a-fA-F]{6})/', $css, $matches); 输出： Array ( [0] => Array ( [0] => #abcdef [1] => #cccaaa [2] => #ababab [3] => #123456 ) ) 我不知道如何指定只匹配那些以标点符号、空格或换行符结尾的颜色。 由于十六进制颜色代码也可能由 3 个字符组成，因此您可以定义一个强制组和一组可选的字母和数字，因此长而详细的表示法将是： /#([a-f]|[A-F]|[0-9]){3}(([a-f]|[A-F]|[0-9]){3})?\b/ 或者，如果您想要一个漂亮而简短的版本，您可以说您想要 1 组或 2 组 3 个字母数字字符，并且它们应该不区分大小写地匹配 (/i)。 /#([a-f0-9]{3}){1,2}\b/i 如果正则表达式引擎支持此 posix 字符类，您也可以编写 [a-f0-9]，而不是 [[:xdigit:]]。在这种情况下，您可以跳过末尾的 /i，整个公式仅多了两个字符，但可以说更具描述性。 /#([[:xdigit:]]{3}){1,2}\b/ 接受的答案向您展示了如何使用正则表达式提取十六进制代码，因为这是提出的问题。 如果您想要验证隔离字符串是否是十六进制代码，则可以使用两个非正则表达式函数。 if (ctype_xdigit($color) && strlen($color)==6) { // yay, it's a hex color! } GolezTrol 的答案的简短版本，避免两次写入字符集： /#([a-fA-F0-9]{3}){1,2}\b/ 尽管这个问题已经很久了，我还是想修改以下内容： ^#([[:xdigit:]]{3}){1,2}$，其中 [[:xdigit:]] 是 [a-fA-F0-9] 的简写。 所以： <?php preg_match_all("/^#(?>[[:xdigit:]]{3}){1,2}$/", $css, $matches) ?> 这里还值得注意的是非捕获组的使用(?>...)，以确保我们不会将数据存储在我们本来不想存储的内存中。 在线尝试 我不完全确定我是否正确，但如果你只想在 CSS 行末尾匹配十六进制颜色： preg_match_all('/#(?:[0-9a-fA-F]{6}|[0-9a-fA-F]{3})[\s;]*\n/',$css,$matches); 应该可以，我所做的就是添加可选的 \s; 字符组（可选的分号和空格）和换行符（不是可选的），它似乎可以工作。正如 @GolezTrol 指出的那样 #FFF;也有效。 对此进行测试时： $css = '/* Do not match me: #abcdefgh; I am longer than needed. */ .foo { color: #CAB; background-color:#ababab; }'; preg_match_all('/#(?:[0-9a-fA-F]{6}|[0-9a-fA-F]{3})[\s;]*\n/',$css,$matches); var_dump($matches); 输出是： array (array('#CAB;','#ababab;')) 如果您还想支持十六进制颜色的 Alpha 通道，例如#FF0000AA（9位数字），您可以使用： // make sure it is a valid hexcolor value if (preg_match("/(#[0-9A-Fa-f]{8})|(#[0-9A-Fa-f]{3,6})/", $color)) { // valid hexcolor value } 这对于 4 位数字（例如“#F00”）、7 位数字（例如“#FF0000”）和 9 位数字（例如“#FF0055AA”）的十六进制颜色有效。
我有一个工程数据表，我需要报告描述字段中提到的螺栓长度，以粗体标记： 双头螺栓套件，SANS 1700，GR 8.8，SANS 1700，GR 8，镀锌 (8...
$title = 'the.test.hd.part12'; 我需要保持角色的状态，直到找到“部分”这个词。 应该返回 - the.test.hd.
我正在开发一个项目，将多个 PDF 文件转换为基本 HTML 以放入网站。我想从 PDF 中提取文本和字体大小以直接解析为 HTML 标签。 我已经尝试过...
我有一个字符串，例如： “abc b、bcd vr、cd deb” 我想取这个字符串的第一个单词，直到这种情况下的每个点都会产生“abc bcd cd”。我的...
解析 HTML 并隔离在具有 id 属性的合格标签的已知前缀之后找到的整数
简单来说， 我有一个前缀为“msg”的字符串，后跟一些用作列表项 ID 的数字 例如 ........................<... 简单来说， 我有一个前缀为“msg”的字符串，后跟一些用作列表项 ID 的数字 例如 <li id="msg1"></li>..............<li id="msg1234567890"></li> 获取数字的最有效方法是什么？ 在 VB 中，我会执行以下操作： str = "msg1" str = right(str,len(str)-3) 我如何在 PHP 中做类似（或更高效）的事情？ 在 php 中也是一样（使用 substr）： $str = "msg1"; $str = substr($str,3); 只需使用预浸料： preg_match_all('%<li id="msg(\d+)"></li>%i', $subject, $result, PREG_PATTERN_ORDER); substr( $string, 3 ); 参见 https://www.php.net/manual/en/function.substr.php 解析有效的 HTML 时，请使用 HTML 解析器。 下面演示了如何使用 DomDocument 和 XPath 查询来专门定位带有 li 前缀的 msg 值的 id 元素，然后在推送之前使用 sscanf() 隔离 msg 之后的整数（转换为整数）进入结果数组。 代码：（演示） $html = <<<HTML <ul> <li id="msg1"></li> <li id="msg1234567890"></li> </ul> HTML; $dom = new DomDocument(); $dom->loadHTML($html); $xpath = new DOMXPath($dom); $result = []; foreach ($xpath->evaluate("//li[starts-with(@id, 'msg')]/@id") as $id) { sscanf($id->nodeValue, 'msg%d', $result[]); } var_export($result); 输出： array ( 0 => 1, 1 => 1234567890, )
我正在尝试创建一个Python脚本，通过提取文本和字体大小并将它们解析为HTML，使用pdfplumber将PDF转换为HTML，但是，我遇到了一些困难。 我是
我尝试通过应用本教程使用 pymupdf 或 fitz 提取文本 https://towardsdatascience.com/extracting-headers-and-paragraphs-from-pdf-using-pymupdf-676e8421c467 代替 块...
我想使用 pypdf 包从实际文本中排除 PDF 的页码 从 pypdf 导入 PdfReader reader = PdfReader(“pdf-examples/kurdish-sample-2.pdf”) 全文=“...
我目前正在尝试用 Python 编写一个函数，该函数允许我从 .docx 文件中提取文本。为此，我使用 python-docx 库。我的程序也做了它应该做的事情，至少
我正在尝试从 XML 文件获取数据并将其转换为 JSON。 $xml = simplexml_load_file('types.xml','SimpleXMLElement',LIBXML_NOCDATA); $json = json_encode($xml); $array = json_decode(...
我希望有人可以帮助我使用 Excel 公式来提取字符串中特定文本后的两个字符。 具体来说，该单元格包含以下文本“每 2 小时功率：1 航程：0...
如何过滤我的内容并在其他地方一起显示这些值。内容通过 XML 加载，并由我们的客户端填充。因此我无法更改这些值。问题是
我有一个数组，在该数组中我有一个数组键，看起来像，show_me_160，这个数组键可能会稍微改变，所以有时页面可能会加载，数组键可能是show_me_120，我想...
我是从 PDF 文件中提取数据的新手。我需要有关提取包含特定关键字的段落内容的帮助。我面临的问题是关键字是的段落，
回显$cookie[4]; 结果： #HttpOnly_bacohuracm 假/真 0 PHPSESSID 3A8DB8BE067954EE327A56F7F8D8B19C 我想删除这部分： #HttpOnly_bacohuracm FALSE / TRUE 0 PHPSESSID 并且只得到...
如何收集最后一个/之后的所有内容？ 我正在提取 Google GData 使用的 ID。 我的示例字符串是 http://spreadsheets.google.com/feeds/spreadsheets/p1f3JYcCu_cb0i0JYuCu123 哪里...