我有pdf和word文件需要用作Ruta的输入。我可以将它们转换为文本文件，但如果我这样做，会丢失所有表格和格式。无论如何我可以使用它们而不会丢失任何信息吗？
谢谢！
答案 0 :(得分：1)
您需要一个能够将pdf（/ doc / docx）转换为html的附加程序。主要有两种不同类型的PDF转换器：那些使用绝对位置生成漂亮的html，以及那些仅依赖于html元素和css的转换器。对于处理表，我推荐后者。我个人使用商业解决方案，但也有很多优秀的开源软件，例如pdf2htmlEX
如果您有html，那么您可以应用HtmlAnnotator和HtmlConverter来获取带有html标签注释的纯文本，如UIMA Ruta documentation
中所述