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。
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
发布于 2012-01-13 21:07:34
$ pdftotext -layout thingwithtablesinit.pdf将生成一个文本文件thingwithtablesinit.txt,其中的表是正确的。
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。
https://stackoverflow.com/questions/3148776
复制相似问题