我已经花了好几个小时在Google和PDFMiner的有限文档上挣扎,虽然我感觉离成功很近,但我仍然没有得到我需要的东西。我已经阅读过http://www.unixuser.org/~euske/python/pdfminer/中的所有三个YouTube视频来更好地了解PDF,并且能够很好地输出原始文本。
我正在编写一个脚本来解析多个PDF页面。不幸的是,对于这个项目,我正在处理质量较差的PDF文件,而我看到的唯一可靠的常量是文本字符串的物理位置完全相同。尽管我已经读到了一些提示,说可以通过物理坐标提取文本字符串,但我还没有看到一个可行的示例。
有没有人能够解释一下如何使用PDFMiner完成这项工作?如果有更好的选择,我也愿意考虑其他模块,不过我需要在脚本中使用Python。
此外,我也尝试过PyPdf,但无法成功(除了基本的文本输出)。
谢谢!
我正在编写一个脚本来解析多个PDF页面。不幸的是,对于这个项目,我正在处理质量较差的PDF文件,而我看到的唯一可靠的常量是文本字符串的物理位置完全相同。尽管我已经读到了一些提示,说可以通过物理坐标提取文本字符串,但我还没有看到一个可行的示例。
有没有人能够解释一下如何使用PDFMiner完成这项工作?如果有更好的选择,我也愿意考虑其他模块,不过我需要在脚本中使用Python。
此外,我也尝试过PyPdf,但无法成功(除了基本的文本输出)。
谢谢!