Ramadan, Kawther (2026) Vergleich von Bibliotheken und Frameworks zur Extraktion von Texten aus unterschiedlichen Quellformaten. Other thesis, Universität Rostock.
Full text not available from this repository.Abstract
Diese Bachelorarbeit untersucht den Vergleich ausgewählter Bibliotheken und Frameworks zur Extraktion von Texten aus unterschiedlichen Quellformaten. Ziel der Arbeit ist es, Unterschiede in der Verarbeitung sowie in der Qualität der extrahierten Inhalte systematisch zu analysieren. Im Rahmen der Untersuchung werden die Werkzeuge pypdf, Apache PDFBox, Apache Tika sowie Tesseract OCR auf einheitliche Testdokumente mit unterschiedlichen Layoutstrukturen angewendet. Dabei werden sowohl verschiedene Parametereinstellungen als auch strukturelle Eigenschaften der Dokumente berücksichtigt, um deren Einfluss auf die Extraktionsergebnisse zu untersuchen. Die Analyse fokussiert zentrale Qualitätskriterien wie Lesereihenfolge, Vollständigkeit und strukturelle Konsistenz der extrahierten Texte. Die Ergebnisse zeigen, dass die Leistungsfähigkeit der eingesetzten Werkzeuge stark von der Komplexität der zugrunde liegenden Dokumente abhängt und insbesondere bei mehrspaltigen Layouts, Tabellen sowie abbildungsbezogenen Inhalten deutliche Unterschiede auftreten.
| Item Type: | Thesis (Other) |
|---|---|
| Subjects: | Autorenart > Studentische Arbeiten > Bachelorarbeit Forschungsthemen > Digitale Bibliotheken Autorenart > Studentische Arbeiten |
| Depositing User: | Dbis Admin |
| Date Deposited: | 08 Sep 2026 08:10 |
| Last Modified: | 08 Sep 2026 08:10 |
| URI: | https://eprints.dbis.informatik.uni-rostock.de/id/eprint/1157 |
Actions (login required)
 |
View Item |
