PyPDF2提取空白文本
PyPDF2提取空白文本
提问于 2021-02-01 15:28:13
我试图从PyPDF2中提取文本，但它正在从PDF中提取空白文本。PDF是文本格式的，而不是基于图像的。有没有办法对pdf进行泛化，使其提取文本？因为我不想改变这个库，我的整个代码都依赖于它。否则，我将不得不重写整个2000+代码行。在这里找到pdf：https://drive.google.com/file/d/1aoWtxNhOKwFw2xbBZgv3gzZPOvt5Ovhc/view?usp=sharing
import PyPDF2
pdf_file = open('sample.pdf', 'rb')
read_pdf = PyPDF2.PdfFileReader(pdf_file)
number_of_pages = read_pdf.getNumPages()
page = read_pdf.getPage(0)
page_content = page.extractText()回答 1
Stack Overflow用户
发布于 2021-02-01 21:03:32
extractText()仍然存在问题，无法正确提取文本。您可以使用另一个名为slate的库
Install slate：
pip install slate3k提取文本：
with open('G10.pdf','rb') as f:
extracted_text = slate.PDF(f)
print(extracted_text)你也可以通过这个答案here。
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/65988673
复制相关文章
相似问题
腾讯云开发者
