استخراج اطلاعات از فایل های PDF و انتقال به محیط اکسل

---

شرح پروژه

داده های مورد نظر که باید با استفاده از یک برنامه نرم افزاری استخراج شوند عبارت اند از:

·      عنوان پوشه که فایل ها در آن قرار دارد

·      عنوان نشریه، دوره، شماره، سال (که معمولا با حروف درشت تر از متن در بالای صفحات مقاله ها مشاهده می شود)

·      صفحه (مقاله از چه صفحه ؟ تا چه صفحه ای ؟ درج شده است. گاهی اوقات در صفحه نخست مقاله مانند ص 45-56 نشان داده می شود، یا این که شماره صفحه اول و شماره صفحه آخر باید استخراج شود)

·      عنوان مقاله (معمولا درشت ترین فونت در مقاله به عنوان اختصاص داده می شود)

·      عنوان لاتین مقاله (گاهی اوقات عنوان لاتین مقاله نیز درج شده که آن هم مورد نیاز است)

·      نام و نام خانوادگی نویسنده یا نویسندگان به ترتیب نگارش

·      تاریخ دریافت- تاریخ پذیرش

·      واژه های کلیدی

·      ای میل نویسنده/ نویسندگان

·      شماره همراه یا شماره تماس سازمانی (در صورتی که در مقاله درج شده باشد)

·      وابستگی سازمان یا سمت نویسنده/ نویسندگان

توضیح

· استخراج نام و نام خانوادگی، آدرس ای میل و عنوان مقاله در اولویت اول است. بقیه موارد در اولویت بعدی        

فایل های مورد نظر از word به pdf تبدیل شده اند و Image نیستند

·         هر عنوان نشریه دارای فایل جداگانه ای است که یک یا چند صد فایل pdf مقاله ها را در بر می گیرد

·         بیشتر از 95 درصد این اطلاعات در صفحه اول یا دوم مقاله درج شده است

·         گاهی اوقات چندین مقاله در یک فایل pdf گردآمده است

·         تقریبا تمام مقاله ها به زبان فارسی و درصد کمی از مقاله ها به زبان عربی یا انگلیسی است

·         در این مجموعه برخی فایل های پی دی اف موجود است که مقاله نیستند. مواردی مثل راهنمای نویسندگان، دستورالعمل و مانند آن به این فایل ها نیازی نیست

این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---