如何用Python从两列pdf中提取文本？
使用Python从两列PDF中提取文本可以通过以下步骤实现：
- 导入所需的库：
import PyPDF2- 打开两个PDF文件：
pdf1 = open('file1.pdf', 'rb')
pdf2 = open('file2.pdf', 'rb')- 创建PDF阅读器对象：
reader1 = PyPDF2.PdfReader(pdf1)
reader2 = PyPDF2.PdfReader(pdf2)- 定义一个函数来提取文本：
def extract_text(reader):
text = ''
for page in reader.pages:
text += page.extract_text()
return text- 调用函数提取文本：
text1 = extract_text(reader1)
text2 = extract_text(reader2)- 关闭PDF文件：
pdf1.close()
pdf2.close()通过上述步骤，你可以使用Python从两列PDF中提取文本。请注意，这只是一个简单的示例，实际应用中可能需要处理更复杂的PDF结构和格式。如果需要更高级的PDF处理功能，可以考虑使用第三方库，如pdfminer、pdftotext等。
关于PDF提取文本的更多信息，你可以参考腾讯云的OCR文字识别服务，该服务可以将PDF中的文字提取出来，具体信息请参考：OCR文字识别。
注意：本回答中没有提及云计算品牌商，如有需要，请自行搜索相关信息。
相关·内容
Python 3.9.6 我有很多医学杂志。如果我将它们导出到文本文件中，那么我会得到如下结果:文本以三列/两列/一列的形式显示(作为原始的pdf- text)。这不允许逐行读取数据:文本从不同的列混入到一个句子中。 如何正确读取这些数据？
浏览 39提问于2021-08-14得票数 0
我有一个PDF，这是在两列的format.Is，有没有办法阅读每个PDF的两列格式，而不裁剪每个PDF单独？
浏览 114提问于2019-03-11得票数 2
1回答
检查pdf是否已签署
、、、、
我想写一个python脚本来检查一个pdf是否被签署。在环顾四周之后，我发现pyPDF2帮助从pdf文件中提取文本，但我不确定它是否可以用于提取签名细节，如公钥等。我以前从未使用python处理过加密或PDF。你能告诉我如何用最好的方法来执行这个任务吗？我试过使用加密包，但不太确定如何从pdf中提取签名证书。A
浏览 9提问于2022-11-21得票数 0
我试图从PDF中提取数据，价格，信息和数字(我有超过10000个PDF，所以网站的免费试用将不起作用)。下面是我得到的一个PDF示例：我用Python语言(这类任务的初学者，还有Python语言)和几个包(如PyPDF2、pdfx等等)尝试过，但我只能得到这样的文本
所以可以提取价格，数字和信息，但我有不同的pdf格式，所以不可能只使用文本和
浏览 2提问于2019-01-01得票数 0
我知道如何从PDF中提取文本格式，正如在中解释的那样。但是，要按正确的顺序提取文本格式是不容易的。换句话说，当我在iText中提取文本时，如何使用两种策略？
浏览 5提问于2022-08-26得票数 0
1回答
使用python只从整个PDF文件中提取相关文本，并将输出数据存储到Excel的特定列中。我试图解决它，但不能提取特定的文本值。下面是需要提取的示例输出的屏幕截图：我想提取excel.不同列中的发票号、订单号和总价值。到目前为止，我已经尝试过：pdf = pdfplumber.open('
浏览 8提问于2020-09-30得票数 0
我知道给我从mypdf.pdf中提取的第42页的内容，用“正确”的布局格式化。但是我有一个两列设计的页面，其中列之间的行不匹配。显然，pdftotext只是简单地删除了一些内容。
是否有可能给它一个框的坐标，在其中它应该提取文本/布局？如果无法在pdftotext中执行，也可以接受Python-解决方案。
浏览 0提问于2017-08-16得票数 0
1回答
我尝试过不同的python库来从pdfs中提取特定的文本，我必须从这个pdf中提取标题下的文本，我必须将从例1开始的文本提取为菱形粗体。
下一个pdf包含不同格式的的数据。在这个pdf中，我必须从历史提取数据到检查，然后从检查到调查与历史和调查作为一个excel文件中的列和相应的数据行。<em
浏览 20提问于2022-06-30得票数 0
1回答
我正在寻找最简单的方法来转换PDF到Python中的纯文本。PyPDF2看起来很简单，下面是我所拥有的：import PyPDF2for page in pdf.pages:但它给了我：
InChapter5wepresentandevalua
浏览 0提问于2014-02-10得票数 0
在我的程序中，我从PDF文件中提取了文本，并且运行良好。ItextSharp从PDF中逐行提取文本。但是，当PDF文件包含2列时，提取的文本就不正常了，因为每行连接两列。我的问题是:如何逐列提取文本？
下面是我的代码。PDF文件是阿拉伯语的
浏览 1提问于2014-08-26得票数 0
我正在尝试使用pdfminer.six库(如)从pdf中提取文本，我已经在我的虚拟环境中安装了它。')我怀疑这与Python有关，因为我在我的虚拟环境中安装了pdfminer，但我在我的系统python中看到了这个已安装的pdf2txt
浏览 12提问于2020-11-09得票数 2
在创建了一个使用java和pdfbox提取pdf的工具之后，我一直在尝试用Python提取pdf。虽然对于相同的pdf，Java实现是成功的，但我一直在努力在python中做同样的事情，因为pdfminer和pypdf和pypdf2都不能逐行提取带有空格的pdf。特别是，出于某种奇怪的原因，pdfminer pdf2txt将pdf拆分为3列，然后逐行读取。
我得到
浏览 10提问于2013-06-16得票数 4
1回答
需要使用python从具有不同PDF结构的发票PDF文件中提取特定的文本，并将输出数据存储到特定的excel列中。所有PDF文件都有不同的结构，但内容值相同。试图解决这个问题，但不能只提取特定的文本值。import PyPDF
浏览 8提问于2020-10-04得票数 1
回答已采纳
原产地代码：(037)TjBaseEncoding: WinAnsiEncoding根据ToUnicode CMap，CID 31被映射到'3‘，这是错误的。/CIDInit /ProcSet findresource beginbegincmap<< /Registry (Adobe)/CMapName /Adobe-Identity-
浏览 1提问于2019-07-01得票数 1
回答已采纳
我希望从Python的PDF格式中提取其字体细节(样式、大小、颜色、意大利等)的文本。
我需要为翻译提取文本及其元数据，purpose.Can --任何人都建议使用相同的库。
浏览 0提问于2014-02-21得票数 7
1回答
我试着按主题从PDF中提取课文。为了做到这一点，我试图识别PDF中的标签\标题。如果有人知道如何克服这个问题，我会很高兴，这样就可以不依赖PDF (我使用的大多数PDF文件是文章\书籍)而提取标签(按主题分类)--按主题提取文本的不同方法也很受欢迎。(如标记所示，我正试图用Python进行此操作)现在我做了两件事：
检查每一行<
浏览 1提问于2016-04-03得票数 0
我试图使用python中的camelot从pdf文件中提取表和表名。虽然我知道如何使用camelot提取表(这非常简单)，但我很难找到关于如何提取表名的任何帮助。其目的是提取这些信息，并显示表及其名称的可视化，以便用户从列表中选择相关的表。
我已经尝试过从pdfs中提取表格，然后也提取文本。我在这两个方面都很成功，但没有将表名连接到表中。def
浏览 3提问于2019-10-03得票数 3
回答已采纳
1回答
我正在尝试从两栏pdf中提取文本。在使用pypdf2和pdf管道工时，它是水平读取页面，即在读取第一列的第一行之后，它继续读取第二列的第一行，而不是第一列的第二行。
浏览 6提问于2021-04-16得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
