识别出来的pdf文件需要按照你的表格格式去编辑

　　识别出来的pdf文件需要按照你的表格格式去编辑

　　智能文章采集需要一个配套的工具软件，推荐一款识别工具及解析工具的小软件。识别工具：软件操作很简单，就是把以前保存的pdf文件识别成合适的excel电子表格。解析工具：操作的复杂程度大大降低，不需要特殊的编程知识即可编写一个软件识别。小提示：识别出来的pdf文件需要按照你原先的表格格式去编辑。我个人就在用这个工具，就是基本没有花钱。

　　问题解决过程：由于内容推送控制器，所以导致了每篇文章都是不一样，每篇文章就是一个记忆库，用户可以对接api打入特定的词库。时间，地点，引用等等。就是nlp问题。不同的文章是相互依赖的，比如“现在中国这边热点”，不同的文章可能不同的解释。怎么解决，前提是知道你每篇文章用了哪些不同的词库？好说，首先每天要发文章，提交api，让对应的一级二级的词库对应上，然后还要加入你的引用，同样api上可以对应引用。但是实际上并不需要这么复杂。比如你20篇文章，只要说5个词组。一级二级词库满足要求即可。

　　pdfeditor|dataanalyzing，

　　推荐看一看黄哥谈学习python爬虫抓取网页数据：python爬虫抓取网页数据及其他爬虫相关问题解答

　　你可以考虑下pin和golang。pin是发表时间历史记录的工具，非常方便。golang的话，我只接触过openjson，实现同步数据库，或者扩展数据库存储。