pdf转成txt后,里面的章节排序规则不同,如何拆分?

我将示例给到pdf文件(如Healing-Her-Heart.pdf、Don-Quijote.pdf转化成txt后) 这几个txt里的章节分序大都不一样。有的是罗马数字I II III依次类推进行分章,有的是CHAPTER ONE 、CHAPTER 1 、 Chapter One 或者ChapterI ChapterII 这种,我想根据这些章节进行拆分。以此来显示小说内容。
image.png

阅读 2.1k
1 个回答

这个只能看一些文本, 找规则, 然后拿正则匹配拆了. 比如关键字Chapter , 前面有空行之类的规律.

推荐问题