| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 메일자동화
- 도메인설계
- contextBridge
- 소셜로그인
- 온디바이스AI
- javascript
- python
- 프론트엔드
- Kotlin
- 보안
- next.js
- Android
- playwright
- 크롤링
- 상태관리
- 배포
- electron
- FastAPI
- sqlite
- REST API
- 아키텍처
- Vite
- 인증
- php
- JWT
- 마이그레이션
- React
- typescript
- github actions
- 백엔드
Archives
- Today
- Total
목록pdfplumber (1)
HM소프트
외국어 PDF 표 구조 파싱하기 — 공개 데이터 크롤러 (2)
pdfplumber extract_tables로 외국어 표 PDF에서 구조화 데이터를 뽑아낸 기록. 텍스트 흐름 대신 격자로 읽고, 라벨 사전으로 표기 변형 흡수, 헤더 행 오매핑 차단, 여러 페이지 표의 열 인덱스 이월, 부분합 중 최대값 선택, 외국어 연호 날짜 변환, 표→정규식→원본 페이지 3단 폴백, 합본 PDF 전용 파서, 스캔 PDF OCR 폴백까지. 2편: PDF 파싱1편에서 BaseCrawler 파이프라인을 다뤘다. 이번 편은 그중 가장 손이 많이 간 부분, 외국어로 된 PDF 문서 파싱이다. 일부 국가는 데이터를 웹페이지가 아니라 PDF로만 공개했다.첫 시도와 실패: 텍스트를 그냥 긁기처음엔 PDF에서 텍스트를 순서대로 추출했다. 결과는 엉망이었다.品名 改善対策 届出 2024年..
기술 개발일지
2026. 6. 11. 17:05