[outils] conversion pdf xml

Bonjour,
j'ai un probleme concernant la conversion de theses sous format pdf ou doc au format xml

exemple: en entrer j'ai un fichier pdf ou doc

en sortie j'aurai

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12

<doc> <intitulé>..................</intitulé> <resumer>...............</resumer> <sommaire>................</sommaire> <chapitre1>...................</chapitre1> ..... ... .. etc <annexe> ...........</annexe> <bibliographie>...........</bibliographie> </doc>

---

et s'il y a un moyen de le faire manuellement, merci de m'expliquer comment

aidez moi s'il vous plait :cry:

Bonjour tchiko35,

quel outils utilise tu pour faire ta conversion de pdf vers xml ?

justement je cherche des outils qui peuvent m'aider a avoir en sorti un fichier xml a partir d'un fichier pdf

Les PDF n'ont pas de sémantique, donc ça déjà c'est mort.

Les .doc peuvent avoir en théorie, mais les seuls .doc sémantiquement stylisés que je croise sont ceux faits par des gens qui partagent ma passion (et le gain de temps acquis) pour la sémantique. De l'ordre de 0.1% des .doc que je vois passer.
Donc a priori c'est mort aussi.

merci de m'avoir repondu
donc quelle serait la solution à ton avis ?

J'en sais rien.

Tu nous a plus ou moins dit que tu cherches un outils qui transforme des documents non sémantiques en un document XML sémantique.

Aussi longtemps que les ordinateurs n'auront pas appris à nous comprendre à peu près autant que nous nous comprenons nous-mêmes, ça ne sera pas possible.

Donc, que veux-tu ?

Ce que je cherche, c'est un moyen open source qui permet de parcourir un document pdf ou doc pour:

1. fragmenter le document en plusieurs parties
2. extraire des informations textuelles

Merci de m'aider si tu as une idée

Tu peux lire les bouts de texte d'un PDF avec iText : http://itextpdf.com/examples/iia.php?id=275 .
Mais comme répété ici plusieurs fois, tu auras bcp de mal à reformer la structure et les liens sémantiques entre chaque bouts de phrase.

merci de ta reponse

mais j'ai des erreurs

je comprend pas

import part1.chapter01.HelloWorld;

aide moi stp

hum, si tu n'as pas les bases en Java c'est pas gagné :aie:.
On importe une classe qui est utilisé dans la classe courante.
Les dépendances sont expliqués en début d'article.
Bon courage.

oui je c que je dois heriter de cette classe mé elle est ou ?

stp
pourquoi lors de l'extraction de pdf dans text 3 il met le texte en <<>>

ya pas un moyen d'enlever <<>>

merci et dsl pr le derangement