我们应该使用什么python库来从PDF中提取包含复杂标题的表？
对于从PDF中提取包含复杂标题的表，可以使用Python的PyPDF2库和tabula-py库。
- PyPDF2库是一个用于处理PDF文件的Python库，可以用于提取文本、图像和表格等内容。它可以帮助我们读取PDF文件并提取表格数据。
- 分类：PyPDF2是一个用于处理PDF文件的Python库。
- 优势：PyPDF2具有简单易用的API，可以方便地读取PDF文件和提取表格数据。
- 应用场景：PyPDF2适用于需要从PDF文件中提取表格数据的场景，如数据分析、文本挖掘等。
- 推荐的腾讯云相关产品：腾讯云提供了OCR文字识别服务，可以将PDF中的文字内容提取出来，方便后续处理。产品介绍链接地址：https://cloud.tencent.com/product/ocr
- tabula-py库是一个用于从PDF中提取表格数据的Python库，它基于Java的tabula-java库。它可以帮助我们解析PDF中的表格，并将其转换为DataFrame格式，方便进一步处理和分析。
- 分类：tabula-py是一个用于从PDF中提取表格数据的Python库。
- 优势：tabula-py具有简单易用的API，可以方便地解析PDF中的表格数据，并将其转换为DataFrame格式。
- 应用场景：tabula-py适用于需要从PDF文件中提取表格数据的场景，如数据分析、报表生成等。
- 推荐的腾讯云相关产品：腾讯云提供了数据分析平台TDSQL，可以帮助用户进行数据分析和报表生成。产品介绍链接地址：https://cloud.tencent.com/product/tdsql
以上是关于从PDF中提取包含复杂标题的表的Python库推荐和相关产品介绍。请注意，这些推荐仅供参考，具体选择应根据实际需求和项目情况进行评估。
相关·内容
我试图解析一些pdf文件，以便提取一些关键的information.There是在每个pdf中包含这些信息的一部分的表的数量。因此，我尝试使用camelot来提取表，并获得了很好的结果，但我希望提取每个表的标题，因为我希望为每个表与其标题进行映射。因此，我尝试使用tables[i]._bbox获取每个表的坐标，然后向这些坐标添加一些边距，以检测表标题的区域(它可以在表的顶部、左侧或底部)，如下图所示：title of table on the left title of the table on the top 谁能告诉我如何使用python从pdf中获取包含table标题的红色区域的坐标？
浏览 83提问于2019-09-19得票数 3
回答已采纳
5回答
从Pdf标题重命名Pdf
、、、
我想整理我从网上下载的pdf文件。很明显，他们中的许多人的名字都不好。我想从文件中提取出真正的标题。这里有许多是由Latex生成的，我认为从编译后的pdf中我们可以找到\title{}关键字或类似的关键字。然后我想用这个来重命名这个文件。
我可以使用pypdf来读取元数据。但大多数pdf在其元数据中不包含该标题。我用我所有的收藏都试过了，但是一个也没有找到！
两个问题: 1.可以阅读由latex编译的pdf格式的标题吗？2.我可以使用哪个库(主要是C/C++、java、python)来获取这些信息。
提前谢谢。
浏览 0提问于2010-08-05得票数 2
3回答
是否可以从PDF文件中提取有关特定字体/字体大小/字体颜色等的文本？我更喜欢Perl、python或*nix命令行实用程序。我的目标是从PDF文件中提取所有标题，这样我就有了一个包含在一个PDF文件中的文章索引。
浏览 8提问于2013-10-15得票数 4
回答已采纳
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。python regex不能满足这个条件，因为每种pdf格式都是不同的，我们需要来自不同pdfs的不同类型的文本。
除了这些类型的pdf之外，我还有不同类型的pdfs来处理，我尝试过不同的python库，比如pdfminer、pdfplumber、PyMUPDF、pytesseract、these、GROBID
浏览 20提问于2022-06-30得票数 0
1回答
从pdf文件中读取图像
、、、、
我有一个要求，客户将上传一个pdf文件，其中包含图像/s。我必须读取那个pdf文件，从它们中提取图像，然后将图像保存到db和硬盘中。但我不知道如何使用Python/Django代码从pdf文件中提取图像。是否有从pdf文件中读取和提取图像的python库。
提前谢谢。
浏览 2提问于2013-08-09得票数 0
回答已采纳
我有一个MySQL数据库，其中有一个包含书籍数据的表。表中的一个列称为"title“。有些标题以" the“一词开头，而有些则没有。
示例：
“书名一”书名二“”书名三“”
我需要把这些按字母顺序从数据库中提取出来，但我需要忽略标题开头的" the“。
SQL (特别是MySQL)是否提供了一种在查询中执行此操作的方法？
浏览 1提问于2012-01-31得票数 10
1回答
我需要从pdfs中提取表格数据。pdf中的一些表只包含一行。我一直在尝试使用camelot库提取数据。
使用Camelot提取代码：
pip install camelot-py[cv] tabula-py here
import camelot
file = 'xyz.pdf'
tables = camelot.read_pdf(file,pages ="all")
tables[6].df
以上代码无法提取单个行表信息。
例如，在pdf：中，该工具无法检测到最后一个表格(在标题“教师详细信息”下)，因为它只有一行。
有人能提出解决办法吗？
浏览 18提问于2022-11-22得票数 -1
回答已采纳
我使用ocr技术从包含图像的pdf中提取文本，但我只想在pdf还不能搜索的情况下使用ocr，否则我想使用pdfminer或类似的库。
有没有办法区分已经可以搜索的pdf和不能搜索的pdf？
浏览 5提问于2019-06-22得票数 1
2回答
从PDF中提取数据
、、、、
我得到的15+ PDF是一天，我必须输入一个数据库。它们是从一个表生成的，其中的“空白”是从特定的表字段中填充的。我可以使用任何工具或python代码示例来尝试开发从PDF中提取数据的方法，以便写入或创建一个表导入到数据库表中？数据库目前正在访问mdb。谢谢
浏览 2提问于2016-10-06得票数 0
回答已采纳
2回答
Camelot是一个非常棒的Python库，可以作为数据框架从pdf文件中提取表。然而，我正在寻找一个解决方案，它也返回表的描述文本，写在表的上方。
我用于从pdf中提取表的代码如下：
import camelot
tables = camelot.read_pdf('test.pdf', pages='all',lattice=True, suppress_stdout = True)
我想提取写在表上的文本，即，如下图所示，表示详情。
对我来说最好的方法是什么？感谢你的帮助。谢谢
浏览 0提问于2019-10-01得票数 5
回答已采纳
我正在寻找一种从PDF中提取语义结构信息(如标题、标题、段落或列表)的方法。因为我想从PDF中得到一个纯结构的数据。
最后，我想从PDF创建一个纯XHTML。只有结构信息。没有设计或布局。
我知道，PDF可以在没有任何结构信息的情况下创建。我不会考虑那些PDF。只考虑定期良好结构的PDF。
我是PDF的新手。所以我不知道它是否提供了常规的语义结构。如果它存在，它的库将提供它。所以我想知道PDF规范是否有这些信息，以及如果存在的话，获取这些信息的最好方法。
浏览 0提问于2010-02-05得票数 1
回答已采纳
1回答
假设我有许多类似于的pdf文件
我想提取下表并将其保存为excel文件：
我可以做提取表和保存excel文件手动与包。
在使用安装pip3之后，我将使用以下方法初始化元数据数据库：
$ excalibur
然后使用以下方法启动And服务器：
$ excalibur服务器
然后转到，开始从PDF中提取表格数据。
我想知道是否可以用python脚本自动完成包含、、等包的多个pdf文件，因为表的大小和位置是固定在同一城市的报告中的。
您可以从下载其他报表文件。
事先非常感谢。
浏览 4提问于2021-04-13得票数 0
回答已采纳
在目录中有一个excel文件的列表。输入的是必须转换为pdf的图纸名称列表。因此，我的代码必须打开excel文件，查找特定的excel表，并将该表转换为pdf。有没有人能建议使用哪个库和方法来解决这个问题。如何使用包含所有excel文件中所有所需工作表名称列表的变量作为参数打开所需的excel工作表。谢谢。 输入: file1.xls file2.xls file3.xls File1中的工作表:标题、目录、摘要 File2中的工作表:标题、目录、摘要 File3中的工作表:标题、目录、摘要 File1中所需的工作表:标题 File2中所需的工作表:目录 File3中所需的工作表:摘要 输出
浏览 136提问于2021-10-13得票数 0
3回答
我想提取特定标题下的文本从一个pdf使用python。
例如，我有一个pdf文件，标题为Introduction、Summary、Contents。我只需要提取“摘要”标题下的文本。
我该怎么做呢？
浏览 25提问于2018-01-05得票数 12
1回答
我们从供应商那里得到每周一次的软件版本，供应商为我们提供PDF版本说明。注释中包含了很多无关的内容，但最终我们需要手动地将这些注释中的信息复制/粘贴到一个汇合页面中。
理想情况下，我希望能够编写一个python应用程序，以便能够从PDF中抓取某些部分。结构大致如下(粗体部分是我想要提取的部分)：
IntroductionNew特征
2.1。新特性1
描述
2.2 新特性2
描述
。
。
。
2.x) descriptionDefect修复新特性X
描述
带缺陷descriptions的表
在本例中，文档的其余部分与此无关。
我设法让它导入文件并提取(全部)文本，但我真的不知道如何只提取第2节的
浏览 1提问于2020-08-31得票数 2
回答已采纳
我有大量的XLS文件。在文件中的工作表中，它包含"name“和"number”的列标题。不幸的是，每个XLS的格式各不相同，数据所在的工作表的名称也因文件而异。
我能够使用Python2.7x解析工作表，从特定的列中提取数据，我现在要做的是打开每个XLS文件，并计算出哪个工作表包含标题"name“和"number”，然后提取这些列中的数据并导入到MySql中。
对于如何做到这一点或库的使用有什么建议吗？
浏览 0提问于2014-07-18得票数 0
回答已采纳
3回答
我有一个PDF，并想提取其中包含的文本。我尝试了几个不同的PDF库，它们返回的结果基本相同。当从一个包含数百个单词的两页文档中提取文本时，从标题中只返回十几个单词。
有没有办法判断我想要的文本实际上是文本还是文本的光栅图像？我正在考虑类似Firebug的"Inspect元素“的东西，但在这一点上，我将采用任何能告诉我真正在看什么的解决方案。
这个项目并不能证明尝试使用OCR是合理的。而且，尽管这是一个简单的解决方案，但使用PDF中的字段并不是一种选择，因为文件的生成者是第三方。
浏览 0提问于2011-06-29得票数 1
回答已采纳
我有一个食谱PDF文件，它由各种表组成，这些表描述了我正在使用的一个数据集中使用的变量。由于实际数据由我需要查找的值组成，因此需要从本食谱中的所有表中创建多个CSV输出文件。
例如，在这个PDF文件的第15页，我们有一个表如下所示，我需要从中提取熊猫数据，以便我可以将它保存为CSV文件供以后使用。我不关心这些表中的“总计”，因为我只需要value和label字段。
我试图通过在Python中使用camelot库来解决这个问题-
import camelot
# try extracting table from 1 of the pages
tables = camelot.read_p
浏览 12提问于2021-12-08得票数 0
2回答
我不确定这是不是合适的网站，但我还是会问的。有没有人知道一个程序，可以用复杂的SQL语句用数据库中的数据创建PDF？当员工完成对客户的请求时，我希望程序由数据库表中的新条目触发，并使用从数据库中提取的数据填充预先构建的PDF。它需要是一个能够处理大型SQL语句的复杂程序。
浏览 4提问于2016-09-15得票数 0
我在本地管理文件，并以"creationdate_authors_title.pdf“的形式重命名每个PDF文件。因此，需要从PDF文件中自动提取每篇论文的标题、作者、创建日期。
我编写了一个python脚本，使用pdfminer包提取信息。但是，对于某些文件，解析它们之后，通过使用doc.info存储在字典PDFDocument中的文件信息可能不包含一些键，比如"Author"，或者这些键的值是空的。
我想知道如何使用像"extract_pages“这样的函数，直接从PDF文件中找到所需的信息，比如论文的标题。或者，更广泛地说，我怎样才能准确有效地提取我所需要
浏览 3提问于2021-07-14得票数 1
我需要解析由MS Reporting Services生成的PDF报告，并将解析后的数据存储到数据库中。不要问为什么，这是必须的。:=)
这些不是需要OCRed的图像PDF，那么有没有更简单的方法来解析这些文件呢？是否有任何免费或商业的工具可用于此目的？
文件包含报告标题和包含一些数据的表。重点放在解析表和标题中的几个字段(客户id、姓名等)。
浏览 1提问于2010-12-11得票数 1
回答已采纳
1回答
我用创建了一个PDF表单。现在，我很难从PDF文件中以编程的方式提取数据，因为它已经被填充了。
我试着使用poppler ( qt4绑定，但我想这并不重要)来做这件事，但显然poppler不能处理XFA表单。虽然evince和okular能够显示表单..。
据我所知，PDF包含一个XDP，而XDP又包含XFA表单。我的问题是，如何从PDF中提取这些数据？
如果有库，c++、java、python或PHP是我的选择。
浏览 5提问于2013-09-03得票数 9
2回答
在我的办公室里，我们有大约1000个PDF，它们有任意的标题和作者信息。我的老板们用PDF文件名、适当的标题和适当的作者信息创建了一个电子表格。
我想找到一种编程方法，将数据从Excel工作表移动到PDF属性？
我的首选语言是Python，所以我找了一个Python库来做这件事，我看到的每个库都有只读的author和title字段。
如果Python没有可以工作的库，我可以使用VBA、VB.NET、JavaScript……我会以此为契机去学习一门新的语言。
浏览 0提问于2013-01-04得票数 0
回答已采纳
2回答
我有一个包含表格的PDF文件，格式是这样的：
现在，我需要从每一行的特定列中提取数据，以插入到数据库中。如何使用javascript或python提取我想要的列？
我已经尝试了手动方式，但这还不够。
我希望将原始数据放入一个变量(数组或列表)中。
==========================================更新：
我决定使用python，库的名称是tabula；我使用pip安装它：
pip install tabula-py
将pdf传递给库并指定表的页面。我问题中表格的输出看起来神奇地如下所示：
浏览 17提问于2019-08-08得票数 1
我尝试使用很多库来从PDF中提取表格，比如: camelot，tabula，PDFPlumber，PDFTabExtract…但是他们不会给出一个好的结果。主要的问题是头部是复杂的格式，而我有不同格式的头部。 使用camelot，我不能有一个适用于我PDF中所有页面的脚本。使用Tabula时，当表格有一个旋转的文本标题时，我得到了一个令人困惑的数据帧。使用PDFPlumber时，我遇到了流表的问题(它只适用于晶格表)，而使用PDFTabExtract时，当文本被旋转时，它会忽略它。 有没有什么办法可以让我在pdf中转换任何不同格式的表格？我知道我找不到一个通用的解决方案，但至少能给出一个好的
浏览 13提问于2019-06-10得票数 0
2回答
我正在使用python pdfminer库(参见docs)从pdf文件中提取文本。 然而，pdfminer似乎无法提取某些文件中的所有文本，而是提取LTFigure对象。假设从这个对象的位置，它“覆盖”了一些文本，因此这个文本没有被提取出来。 pdf文件和包含从pdf提取信息的代码的简短jupyter笔记本都在我专门创建的Github存储库中，目的是提出这个问题： https://github.com/druskacik/ltfigure-pdfminer 我不是一个pdf文件如何工作的专家，但常识告诉我，如果我可以在浏览器中使用control + f查找文本，它应该是可提取的。 我考虑过使
浏览 149提问于2021-01-28得票数 0
回答已采纳
1回答
所以这就是我想要做的--非常简单。我有一个包含数据的pdf文档，我想使用python提取它。这是在我试图从固定模板中自动提取数据的情况下，需要定期读取该模板。
我正在使用tabula-py包，并使用“read_pdf”函数读取数据。问题是，它似乎只读取表的一部分--更具体地说，它只能在表头中读取。奇怪的是，如果我使用在线表格工具读取表，就不会遇到这个问题。
# Here is the python code to read table content
df = tb.read_pdf(path+name+'.pdf', encoding='latin-1', a
浏览 0提问于2018-04-20得票数 1
2回答
PDF提取时忽略表格
、、、
我正在尝试用Java制作一个文本处理应用程序，它需要文本作为输入。现在，我从用户指定的PDF文件中提取此输入。我正在使用PdfBox进行文本提取。我遇到的问题是，PDF文件可能包含表格、方程式和特殊符号，所以PdfBox提取的文本在很多地方都包含垃圾。由于这个原因，我的文本处理应用程序无法给出它的最佳结果。我想知道PDF是否有特定的表格格式，这样我就可以到达根级别，并在提取时排除它们。此外，在许多情况下，提取的文本包含呈现为“？”的未知字符。虽然在实际的PDF中，它们看起来是普通的字母表。我也尝试过其他库- IText，但效果并不理想。简而言之，我想要的是从PDF文件中提取简单的句子，排除所有
浏览 2提问于2012-03-27得票数 0
我正在尝试使用Python从PDF中提取文本，并且我已经成功地使用了PyPDF2，如下所示：
import PyPDF2
pdfFileObj = open('path', 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
pageObj = pdfReader.getPage(0)
pageObj.extractText()
这将从页面中提取所有文本，但我只想从页面左上角的3'x4‘矩形区域中提取文本。
我基本上想做类似这样的事情:，但用Python语言
这可以由PyPDF2或任何其他Python库来
浏览 13提问于2017-08-21得票数 9
我正在尝试这段代码来提取包含作者和标题的pdf元数据，我只希望从元数据‘’import pikepdf pdf = pikepdf.open(path) docinfo = pdf.docinfo for key, value in docinfo.items(): if str(key).startswith("A") == True or str(key).startswith("Ti") == True: print(key, ":", value)‘’中提取作者和标题的值。
代码运行，但没有输出。
浏览 7提问于2022-06-18得票数 1
1回答
我已经使用pdf水管工从GitHub页面()的文件中提取文本，我遍历了所有属性，如果不存在元数据，我需要提取pdf的标题。
或任何其他方法，我们都可以使用python实现这一点。
import pdfplumber
pdf = pdfplumber.open(r'1.pdf')
page = pdf.pages[0]
text = page.extract_text()
print(page.chars[0])
浏览 0提问于2020-07-20得票数 2
回答已采纳
我正在寻找布局分析库或工具(最好是开源的)，可以应用于文本PDF，以识别主要文本内容与侧栏，章节标题，章节标题(甚至可能是具有装饰/阴影和下划线的花哨的标题)等。我遇到了像OCRopus这样的工具，它们使用光学字符识别和图像识别来识别布局。有没有库可以在没有OCR的情况下做同样的事情？可以从文本PDF中提取文本和图像，并将包含文本和图像位置的输入提供给该工具；对于此类文件使用OCR将是相当繁琐的。
浏览 2提问于2013-05-08得票数 2
回答已采纳
我正在尝试用python包pdfplumber从PDF文档中提取一个表。该表有四列和多行。第一行是标题，第二行只有一个合并的单元格，然后值被正常保存(例如) pdfplumber能够检索表格，但如果有四列，它会生成6列，并根据列保存值。 Table as shown in PDF document ? 我尝试使用不同的表格设置，包括“垂直策略”：“线”，但这产生了相同的结果。 # Python 2.7.16
import pandas as pd
import pdfplumber
path = 'file_path'
pdf = pdfplumber.open(
浏览 47提问于2019-10-09得票数 0
目前，我正试图找到可以帮助我从视频文件(例如mp4、Mkv、Avi、WebM、mpg格式)中提取元数据或信息的python库。
我重点从视频文件中提取的主要数据主要是标题、描述、注释、标题/字幕。
我试过使用FFmpeg-python，下面是指南：
和Tinytag，
据我所知，FFmpeg-python提供了来自探测()函数的大部分数据，但输出不包含标题、描述、注释和只是'0‘，我认为这是源跟踪。
谢谢您的帮助。
浏览 17提问于2022-03-16得票数 2
2回答
我是.net的新手，我有一个包含三个表的pdf (与购买细节)我的任务是提取所有的3个表从pdf和转换成一个excel表(三个excel表)使用c#代码。，我谷歌了3天，所有我能找到的是从pdf中提取文本的代码(但没有任何格式)，我不能购买任何第三方工具，我需要一种方法，至少提取文本在适当的表格格式，然后我会转换成excel使用互操作，或一个代码直接转换成excel，无论什么解决方案我迫切需要它，请帮助。
浏览 5提问于2013-09-29得票数 1
当我从一个页面中提取一个表时，我设法没有问题地提取，但是数据是无序的。一个列中的数据显示为另一个列的标题--例如，如何修复这个问题？我的代码：
from tabula import read_pdf
url='https://becas.osinergmin.gob.pe/seccion/centro_documental/hidrocarburos/SCOP/SCOP-DOCS/2022/01-Demanda-Nacional-Combustibles-Liquidos-Enero-2022.pdf'
df=read_pdf(url, pages=1)
df
提前谢谢。
浏览 9提问于2022-03-25得票数 0
我们正在使用沃森发现服务(WDS)来实现问答系统。我们要求每一个答案单位可以在单一的文件。我们有复杂的PDF文件作为语料库。PDF文件包含两个列数据、表和图像。我们使用Watson文档转换服务(WDC)将整个PDF文件作为WDS的语料库，然后使用WDC将每个PDF文件分割成应答单元，然后我们将那里的应答单元摄取到WDS中。
对于复杂的PDF拆分，沃森文档转换服务面临两个问题。
我们期望每个标题作为标题，相应的文本作为数据(答案)。然而，它是将每一章分割成一个单一的回答单元。是否有任何方法根据标题拆分两列文档？
如果输入PDF文件包含表，则文档转换服务以简单文本的形式读取PDF文件中可用
浏览 5提问于2017-09-18得票数 0
我对python非常陌生，我正在做一个ML项目，从PDF(已发布的年度报告)中提取披露信息。PyPDF提取了我的项目所需的信息，但它也包含了我想要删除的文本中的页脚文本。我浏览了堆栈溢出，并找到了一个解决方案，成功地通过PyPDF裁剪出页脚部分，并将文件保存为一个新的pdf。但是，当我在原始代码中运行已裁剪的PDF时，来自页脚的文本仍然包含在提取的文本中。不管怎么说我能克服这一切吗？
浏览 5提问于2022-10-14得票数 1
回答已采纳
我在python应用程序中使用tika从文档中提取文本。一切正常，但它不是从pdf文件中提取的图像。Tika可以从pdf和图像中提取文本，但不能从包含图像的pdf中提取文本。我有点困惑。有没有办法做到这一点？是否需要将PDF文件转换为图像？
浏览 3提问于2018-10-11得票数 1
1回答
目的是以pdf格式从发票中提取数据。
Pdf数据格式:可选择的文本(非扫描图像)由文本行、名称-值对、表(不同长度)组成。
发票数据包括: invoice_no，invoice_date，order_no，order_date在名称-价值对项目详细信息(item_code，名称，利率，数量，折扣，价格等)表格式final_taxation_info和gross_total。
投入:每周收到大量发票，格式相似，格式不同。
产出:提取发票数据并插入数据库
迄今已尝试或考虑的办法：
使用库(如iText7、PDFix、GemBox.Pdf、GroupDocs.Parser、Bytescout.PDF
浏览 4提问于2020-05-15得票数 3
尝试从pdf到excel中提取文本行。
目前，我正在处理大量pdf文件，其中包含了某些标头的标准化信息。每个文件都有相同的标题列表。我已经收集了一些代码，从每个标题下的pdf文件中提取每个句子，并将它们合并到一个excel电子表格中。
这里的问题是，在pdf中的一个标题下的行/句子可能会有所不同，例如在标题名称“传记”下，在一个pdf中可能有两个句子，在另一个中可能有4个句子。我想要的是复制“传记”下的所有句子，而不管它有什么no.of句子，并移到下一个标题。
浏览 4提问于2022-10-20得票数 -1
我正在尝试从电子签名的PDF表单中提取字段名和相应的字段值，我将其上传到Adobe 并获得了电子签名。参见链接：。
在上传PDF表单之前，它是Acroform，即包含表单字段的可编辑PDF。
从Acroform中，我能够使用PDFTK提取字段名和字段值。此外，在Adobe上签署此表单之后，尽管PDF不再是可编辑的(字段被锁定)，我仍然可以使用PDFTK从PDF文档中提取数据。
但是，在使用Adobe 请求和获取签名之后，我很难使用PDFTK和Python提取字段名和值。Adobe确实单独提供了表单字段，但我正在寻找一种解决方案，它使用Python (可以在.py脚本中包含诸如PDFTK之类的s
浏览 5提问于2021-06-07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：
def test_pdf(filename):
import PyPDF2
pdf = PyPDF2.PdfFileReader(open(filename, "rb"))
for page in pdf.pages:
print page.extractText()
但它给了我：
InChapter5wepresentandevaluateourresults,togetherwiththetestenvironment.
我如何用PyPDF从PDF中提取单词？
浏览 0提问于2014-02-10得票数 0
1回答
如何使用python在pdf文件中找到发票表的面积坐标？我目前正在使用camelot或tabula从pdf文件中提取表格。然而，我想知道是否有方法提取每个表的面积坐标，以便我可以相应地进行定制
浏览 25提问于2020-08-28得票数 0
我正在寻找有关如何使用PDFMiner和Python从PDF文件中提取文本的文档或示例。
看起来，PDFMiner更新了它们的API，我发现的所有相关示例都包含过时的代码(类和方法已经更改)。我发现，使从PDF文件中提取文本的任务变得更容易的库使用了旧的PDFMiner语法，因此我不知道如何做到这一点。
实际上，我只是看一下源代码，看看是否能找到答案。
浏览 11提问于2014-10-21得票数 112
回答已采纳
我正在阅读pdf文件，并试图通过NLP techniques.Right从它们提取关键字，现在程序一次只接受一个pdf。我在D盘上有一个文件夹，叫做'pdf_docs‘。该文件夹包含许多pdf文档。我的目标是从文件夹中一个接一个地读取每个pdf文件。我如何在python中做到这一点。到目前为止成功运行的代码如下所示。
import PyPDF2
file = open('abc.pdf','rb')
fileReader = PyPDF2.PdfFileReader(file)
count = 0
while count < 3:
浏览 3提问于2018-10-28得票数 0
回答已采纳
2回答
我有一个Asp.Net核心项目。这个项目引用了另一个库，在这个库中我应该从pdf中提取信息。我使用的是itextsharp，但它似乎与.net内核不兼容。
你知道如何从pdf文件中提取文本吗？
浏览 2提问于2017-04-19得票数 5
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 tables_from_pdfs(filespath):
pdffiles = glob.glob(os.path.join(filespath, "*.pdf"))
print(pdffiles)
dicti
浏览 3提问于2019-10-03得票数 3
回答已采纳
1回答
这可以从PDF文档中提取页眉和/或页脚吗？
当我尝试了一些选项(包括PDFMiner，Ruby PDF -提取，研究PDF格式规范)，我开始怀疑页眉/页脚信息是不可用的。
(如果可能的话，我想通过Python来实现这一点，但是任何其他的选择都是可行的。)
浏览 3提问于2013-10-15得票数 4
回答已采纳
2回答
我想在python3中使用camelot从pdf中提取所有的表格。
import camelot
# PDF file to extract tables from
file = "./pdf_file/ooo.pdf"
tables = camelot.read_pdf(file)
# number of tables extracted
print("Total tables extracted:", tables.n)
# print the first table as Pandas DataFrame
print(tables[0].df)
# exp
浏览 29提问于2020-05-27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
腾讯会议活动推荐
腾讯云开发者
