我正在使用Python的textract库来读取PDF文件并从中提取特定信息。到目前为止，它在99%的文件上都工作得很好。读取分页样式的PDF时出错。 ? 它打乱了顺序，并将前两页视为一页，因此它从最左边到最右边读一行。这是非常关键的，当我阅读整个PDF时，将拆分的页面作为单独的页面进行处理。 ? 下面是我的
浏览 20提问于2021-04-20得票数 0
1回答
如何读取python中以'iso-8859-1‘编码的pdf文件中的文本？我正尝试在python中使用textract将pdf转换为txt，但对于某些文件，我遇到了"unicodeDecodeError utf-8编解码器无法解码位置11中的0xe2字节:无效的继续字节“。我想这个文件是iso-8859-1编码的。 File "/home&#
浏览 28提问于2019-04-08得票数 0
当我尝试运行我的(在使用pyinstaller部署之后)程序来读取和转换PDF文件并将其输入到google工作表中时。我得到了下图所示的错误。\trpfinance\AppData\Local\Programs\Python\Python38-32\lib\site-packages\textract\parsers\__init__.py"\textract\parsers\pdf_parser.py&q
浏览 102提问于2020-08-11得票数 3
我正在尝试将一个pdf文档(我删除了一些敏感数据的内容原因： )读入python。我必须使用复选框，并根据这些和其他文本执行操作。我尝试了PyPDF3，但它只提供了损坏的输出，经过一项小小的研究后，我发现pdfminer听起来很有前途，但它的缺点是使用python2.7。我不确定是否有其他软件包，或者说在python中使用pdf的最佳实践，因为我得到的所有信息都是几年前的，而且大多
浏览 0提问于2018-12-26得票数 1
我正在尝试有一个转换器，可以将任何格式的任何文件转换为文本，这样处理对我来说变得更容易。我已经使用了Python textract库。我已经使用pip安装了它，并尝试使用它。但是得到了错误，无法理解如何解决它。>>> import textract
>>> text = textract.process('C:\Users\beta\Desktop\Projects Done With Specification.pd
浏览 2提问于2017-05-01得票数 1
1回答
我试图建立一个pdf爬虫为企业的年度报告-这些报告是pdf文件与大量的文本和表格也很多。将pdf转换成txt没有任何问题，但我的实际目标是搜索特定的关键字(例如，收入、利润)，并将数据REVENUE 1.000.000.000欧元提取到数据框中。我尝试了不同的库，特别是tabula-py和PyPDF2，但我找不到一个聪明的方法来做到这一点-有人能帮我制定一个策略吗，那就太棒了！ 致以最好的问候，罗宾
浏览 18提问于2020-06-19得票数 0
1回答
我想使用Textract OCR服务来读取pdf文件中的文本。我有一个问题，因为我想在本地做，没有S3存储桶。我测试了它的图像文件，它工作得很好，但它不适用于PDF文件。这是我得到一个错误的代码：错误：
Invali
浏览 2提问于2020-10-08得票数 0
2回答
提取异步读取PDF
、、、、
Documents for asynchronous operations can also be in PDF format.中的import * as AWS from 'aws-sdk';
const textract = new AWS.Textract({ region: '<REGION>
浏览 7提问于2020-06-24得票数 0
不知怎么的，我已经修复了之前的错误，错误代码是127，我将PATH添加到环境变量中，但是现在我看到了这个新的错误。有没有人知道这意味着什么，以及我如何修复它。我正在尝试运行一个工具，它是我在MAC上创建的，可以使用textract读取PDF到文本。它在MacOS上运行得很好，但在windows上运行起来似乎有问题。任何帮助都将不胜感激。File "site-packages\textract</em
浏览 19提问于2020-08-12得票数 0
2回答
当我在包含PDF文件的目录上运行下面的Python脚本时，我一直收到以下错误：
ShellError:命令pdftotext "path/to/pdf/title.pdf" -失败了退出代码1我已经验证了pdf2text和PDFMiner的安装是否正确。这是我第一次使用textract，它在所有其他文件类型(Word文档、PowerPoint文档、Excel等)上都工作得很好。当pd
浏览 0提问于2015-04-08得票数 7
我想从PDF文件中提取文本。我可以成功地安装tesseract (它在终端中工作)和textract (遵循指令)。 '/Users/Text/en.pdf', language='eng',错误是：/usr/local&
浏览 2提问于2016-07-12得票数 2
回答已采纳
1回答
我想使用Python从图像中提取文本。(Tessaract lib不适合我，因为它需要安装)。import cv2import textract
withopen('slika2.pdf',
浏览 2提问于2020-09-24得票数 5
回答已采纳
我有一个工作脚本，我们必须使用tabula包读取pdf表，但是由于tabula依赖于Java 8，而且由于内部工具的原因，我们必须使用java 6及以下，我们如何读取表的pdf表。from tabula import read_pdf
df_list = tabula.read_pdf(current_file, pages="all", lattice = True)
浏览 4提问于2021-08-09得票数 2
回答已采纳
1回答
我有以下的pdf定位。我试着，试着，再试一次，从pdf中读取表格。到目前为止，我已经列出了我使用的所有东西。print the text you can also save that into String我试过textract# import textract
# text = textract.process(r"pdf\10
浏览 2提问于2019-12-14得票数 2
2回答
我正在尝试用textract读取.txt、.docx、.pdf等文件的内容。当我使用下面的代码时，它会引发错误： def upload(): text = textract.process(request_file.stre
浏览 0提问于2018-04-12得票数 1
我已经使用pip安装了t提取，并在jupyter记事本中运行了import命令，该命令引发了以下错误。
Im
浏览 0提问于2018-06-20得票数 1
回答已采纳
注意:这被标记为的潜在复制，但我问题的要点是，使用t提取不起作用。我正在寻找(a)一种方法，以获得工作在windows 10或(b)替代解决方案。
我正在建立一个系统，需要读取各种类型的文件。我已经设置pdfminer来读取.pdfs，并且基于我安装的的过程概述，我现在也可以读取.docx文件。然而，textract依赖于反词来读取.doc文件，而且我无法让它工作，即使在遵循的指示
浏览 2提问于2018-08-17得票数 1
回答已采纳
我试图读取和转换pdf文件为文本，通过遵循这个，但我不断得到错误。这是我的python代码import textractfrom nltk.corpus= "": text = textract.process(fileurl, method='tesseract',
浏览 4提问于2019-09-25得票数 0
回答已采纳
11回答
我正在尝试使用Python从PDF文件中提取文本。我的主要目标是试图创建一个程序，读取银行对账单，并提取其文本，以更新excel文件，以方便地记录每月的支出。现在我只专注于从pdf文件中提取文本，但我不知道如何做到这一点。 当前将PDF文件中的文本提取为字符串的最佳和最简单的方法是什么？现在最好使用的库是什么，我该怎么做？我尝试过安装textract，但是我得到了
浏览 203提问于2019-04-20得票数 19
回答已采纳
我只写了下面的代码：text = textract.process('text.pdf')因为process没有返回真正的str对象，所以我得到了一个错误。module>
text = text.replace('\n', '<br>')
浏览 18提问于2020-05-15得票数 2
回答已采纳
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
腾讯会议
云直播活动推荐
腾讯云开发者
