我必须处理pdf文件。bigdata中是否有任何工具可以处理我的pdf文档（半结构化数据）？？例如。。如果我的pdf文档包含任何主题，如摘要或行动，我必须检索那些没有任何页脚的段落。现在我正在使用pdfbox和javaapi来提取我的pdf文档，但是有没有bigdata工具可以做同样的提取？？
cigdeys31#
我不知道有什么工具可以做你想做的事情，但是如果你可以设置一个hadoop集群（或者使用amazonaws服务），那么你可以很容易地使用hadoop流通过一个用户定义的程序来传递pdf文档（你在java中拥有的应该可以很好地工作）。在前面的问题中，有一个很好的例子说明了如何将hadoop流与自定义java程序结合使用。
1条答案
按热度按时间cigdeys31#
我不知道有什么工具可以做你想做的事情，但是如果你可以设置一个hadoop集群（或者使用amazonaws服务），那么你可以很容易地使用hadoop流通过一个用户定义的程序来传递pdf文档（你在java中拥有的应该可以很好地工作）。
在前面的问题中，有一个很好的例子说明了如何将hadoop流与自定义java程序结合使用。