首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >从PDF中提取文本

从PDF中提取文本
EN

Stack Overflow用户
提问于 2010-06-30 19:31:02
回答 4查看 2.8K关注 0票数 7

我有一堆PDF文件,我需要转换为TXT。不幸的是,当我使用许多可用的实用程序中的一个来做这件事时,它丢失了所有的格式,并且PDF中的所有表格数据变得混乱。可以通过指定位置等方式使用Python从PDF中提取文本吗?

谢谢。

EN

回答 4

Stack Overflow用户

回答已采纳

发布于 2010-07-01 15:09:04

PDF不包含表格数据,除非它包含结构化内容。一些工具包括尝试猜测数据结构并将其放回原处的启发式方法。我在http://www.jpedal.org/PDFblog/2009/04/pdf-text/上写了一篇博客文章,解释了PDF文本提取的问题

票数 3
EN

Stack Overflow用户

发布于 2012-01-13 21:07:34

代码语言:javascript
运行
复制
$ pdftotext -layout thingwithtablesinit.pdf

将生成一个文本文件thingwithtablesinit.txt,其中的表是正确的。

票数 2
EN

Stack Overflow用户

发布于 2011-02-11 06:14:49

我遇到了类似的问题,最终使用了http://www.foolabs.com/xpdf/的XPDF,其中一个实用程序是PDFtoText,但我猜这一切都取决于PDF是如何产生的。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/3148776

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档