PDF-Fragenkatalog in CSV umwandeln

Seite 1 von 1 - Forum: Coding Stuff auf overclockers.at

URL: https://www.overclockers.at/coding-stuff/pdf-fragenkatalog-in-csv-umwandeln_263065/page_1 - zur Vollversion wechseln!

Liebe alle, bin mir nicht sicher ob ich im richtigen Forum bin.

Jedenfalls habe ich einen Multiplechoice Fragenkatalog in PDF Form mit 665 Fragen. Die würd ich zum Lernen gern in ein Anki Deck umwandlen. Dafür müsste ich es vorher in ein CSV bringen.

Spalte A soll dabei die Frage inkl. Antwortmöglichkeiten beinhalten. Und Spalte B die Antwort.

Wenn ich es manuell mit Copy & Paste mache benötige ich pro Frage 20 Sekunden und damit fast 4 Stunden.

Hat wer einen Tipp (paar Zeilen Code? ) parat, wie ich diese Zeit reduzieren könnte?



ecqb-ppla_de_gesamt_2019656-fragen_269029.pdf

Im Anhang findest du das Ergebnis von einer Stunde Prompt basteln mit ChatGPT.
Die Ausgabe habe ich beschränkt auf Seite 3 bis 22. Sollte das Ergebnis passen, mach ich dir gerne morgen den Rest.

100% funktioniert das Prompt noch nicht, aber der Weg scheint mir brauchbar.

Code:

Help me extract information from this pdf. The pdf contains Multiple Choice Questions and its associated answers, beginning on page 3 up to page 22. 

Output the Number of the question, the question, possible answers and the choices available in a csv, like described below.

Ignore all content that is not recoqnizable as part of the quiz, like images, graphs, copyright remarks and so on.
also ignore the headers (example: "10 Luftrecht ECQB-PPL(A)" ) and footers (example: "v2019.2 21") of the pdf.

There are two kinds of questions. Questions like the first (1) on page 3 and questions like the second (2) on page 3. 

For the first kind use the following approach:
Use the first column for the Questions Number, second column for the question, third column for the possible answers, fourth column for the first choice, fifth column for the second choice, sixth column for the third choice, seventh column for the fourth choice. 

Like in the following example:
***
Number|Question|Options|1st Choice|2nd Choice|3rd Choice|4th Choice
1|Welche dieser Dokumente müssen auf internationalen Flügen immer mitgeführt 
werden?|a) Eintragungsschein b) Lufttüchtigkeitszeugnis c) Bescheinigung über die Nachprüfung der Lufttüchtigkeit d) EASA Form-1 e) Bordbuch f) Entsprechende Ausweise für jedes Besatzungsmitglied g) Technische Lebenslaufakte (1,00 P.)|b, c, d, e, f, g.|d, f, g.|[x] a, b, c, e, f.|a, b, e, g.
***

For the second kind use the following approach
Use the first column for the Questions Number, second column for the question, leave the third column empty, fourth column for the first choice, fifth column for the second choice, sixth column for the third choice, seventh column for the fourth choice. 

Like in the following example
***
Number|Question|Options|1st Choice|2nd Choice|3rd Choice|4th Choice
2|Wie wird ein Gebiet bezeichnet, in welches der Einflug nur mit bestimmten Auflagen 
erlaubt ist? (1,00 P.)|null|Gefahrengebiet|[x]Flugbeschränkungsgebiet|Flugverbotszone|Luftsperrgebiet
***

Make the csv downloadable, use a charset suitable for german, use "|" as a delimitter.

Mit Acrobat Pro kann man excel exportieren, wird aber sicher nachbearbeitung notwenig sein.

Ah, auch ein guter Zugang. Was dir das Leben auch noch erleichtern kann ist das klassische Windows Snipping Tool. Das kann seit kurzem OCR.
Bedeutet aber auch, Screenshot einer Seite machen, OCR, Paste, nachbearbeiten.

Ein DMS mit OCR könnte auch helfen den Robtext raus zu bekommen. Aber hier wieder das selbe mit dem nachbearbeiten.

Als Alternative zu Acrobat Pro, vielleicht klappt ein Export/OCR auch mit PDF24.

oder mit libreoffice öffnen und dort rauskopieren/als text speichern

Ich wuerde mit https://github.com/atlanhq/camelot anfangen.

alternativ gibt es unter linux die möglichkeit von pdf2text

Adobe pdftotext

da musst halt wieder ewig nacharbeiten damit das format für dich passt.

Zitat aus einem Post von hynk

Im Anhang findest du das Ergebnis von einer Stunde Prompt basteln mit ChatGPT.
Die Ausgabe habe ich beschränkt auf Seite 3 bis 22. Sollte das Ergebnis passen, mach ich dir gerne morgen den Rest.

100% funktioniert das Prompt noch nicht, aber der Weg scheint mir brauchbar.

Im Quelltext stehen die Fragen, mögliche Antworten und richtige Antwort in einem json array. Besser kanns gar nicht sein.

Code:

{
    "top": 0,
    "nr": 2,
    "imgs": [],
    "txt": "Wie wird ein Gebiet bezeichnet, in welches der Einflug nur mit bestimmten Auflagen\nerlaubt ist? (1,00 P.)",
    "corans": 2,
    "ans": [
        "Luftsperrgebiet",
        "Gefahrengebiet",
        "Flugbeschränkungsgebiet",
        "Flugverbotszone"
    ]
}

Gerne. Habs aus Eigeneinteresse gemacht, wie gut das mittlerweile funktioniert.
Die korrekte Antwort müsste man GPT noch rauslocken und in eine separate Spalte bringen. Da bin ich dann gestern schlafen gegangen

Mit dem Online-Fragenkatalog hast du aber schon gewonnen. Viel besseres Material als das PDF.

nodejs:

Code:

const XLSX = require('xlsx');
const data = [{"id":"ppl_..........,"ans":["1630","1330","1430","1230"]}]}]
   
const workbook = XLSX.utils.book_new();
const worksheet = XLSX.utils.json_to_sheet(data[0].questions.map(item => ({
    Frage: item.txt,
    Antwort: ['A', 'B', 'C', 'D'][item.corans]
})));

XLSX.utils.book_append_sheet(workbook, worksheet, "Fragen und Antworten");

XLSX.writeFile(workbook, "fragen_und_antworten.xlsx");

Danke euch allen! Habs letztendlich basierend auf berndy2001 Auswertung in Excel gelöst. <3



Eine letzte Frage/Bitte hab ich noch: Ich bräuchte alle Bildfiles von http://ato.fsv2000.com/fragenkatalog/
Kann mir da noch wer helfen?

Code:

const XLSX = require('xlsx');
const http = require('http'); // or 'https' for [url]https://[/url] URLs
const fs = require('fs');

const data = [{"id":"ppl_..........,"ans":["1630","1330","1430","1230"]}]}]

const workbook = XLSX.utils.book_new();
const worksheet = XLSX.utils.json_to_sheet(data[0].questions.map(item => ({
    Frage: item.txt,
    Antwort: ['A', 'B', 'C', 'D'][item.corans]
})));

XLSX.utils.book_append_sheet(workbook, worksheet, "Fragen und Antworten");
XLSX.writeFile(workbook, "fragen_und_antworten.xlsx");

var imgs = [...new Set(data[0].questions.filter(item => item.imgs.length).map(item => (item.imgs)).flat())]
for (i in imgs) {
    console.log('http://ato.fsv2000.com/fragenkatalog/imgs/' + imgs[i]);
    const file = fs.createWriteStream(imgs[i]);
    const request = http.get('http://ato.fsv2000.com/fragenkatalog/imgs/' + imgs[i], function(response) {
        response.pipe(file);
        file.on("finish", () => {
            file.close();
            console.log("Download Completed");
        });
    });
}

overclockers.at v4.thecommunity
© all rights reserved by overclockers.at 2000-2025