我尝试将从book_download_page = requests.get(link)获取的字节转换为字符串，然后从content = book_download_page.content转换为字符串。 我试过的是， content = book_download_page.content.decode('utf-8') 我得到了错误， 'utf-8' codec can't decode byte 0xe2 in position 10: invalid continuation byte 编辑-您可以尝试this link进行下载 谢谢!
浏览 21提问于2020-06-25得票数 0
我正在尝试使用python从pdf中提取文本。我尝试使用PyPDF2，但似乎只有当pdf是简单的基本文本而不是其他内容时才起作用。是否还有其他方法可以帮助我从PDF中提取文本？
浏览 10提问于2020-03-16得票数 0
1回答
我如何在python中读取pdf ?我知道一种将它转换为文本的方法，但是我想直接从pdf中读取内容。
有人能解释一下python中哪个模块最适合pdf提取吗？
浏览 2提问于2017-08-21得票数 45
我正在尝试将PDF中的单词提取到单独的行中，但只能对文本文件执行此操作，如下所示。 此外，规则是我不能将PDF文件转换为TXT，然后执行此操作。必须对PDF文件执行此操作。我也需要对可搜索的PDF文件做同样的事情。任何帮助都将不胜感激。
浏览 66提问于2019-12-06得票数 0
回答已采纳
1回答
我一直在论坛(堆栈溢出，git，电报API)上检查如何从用户发送的pdf文件中提取内容？我用python的python-telegram-bot库创建了电报机器人，为了解决我的问题，我检查了链接(如：和 )以寻找函数，但在那里什么也找不到。我确实找到了从bot向用户发送pdf文件和从用户发送到bot的文件的方法，但是没有任何可用的BOT可以提取用户发送的pdf内容的方法。如果专家能指导我到这里来，我将不胜感激。
浏览 13提问于2022-02-23得票数 0
回答已采纳
2回答
我正在尝试使用Spark在多台服务器之间分发从PDF中提取的一些文本。这使用了我创建的自定义Python模块，它是一个。在本例中，配置文件只是一个简单的YAML文件，位于与运行提取的Python脚本相同的文件夹中，并且这些文件只是在Spark服务器之间重复。我的主要问题是能够使用文件名作为第一个参数来调用提取函数，而不是文件的内容。这是我到目前为止的基本脚本，在files文件夹中的2个PDF上运行它：
#!我并不真正关心使用PDF原始
浏览 5提问于2018-01-08得票数 0
回答已采纳
我想使用python读取pdf文件，但在阅读时，我不想将表格包含在pdf文件中。我只想要除了那些表格之外的所有其他内容。我尝试过像PyPDF2和Tabula这样的库，但我只是找到了提取表格或读取包括表格在内的内容的方法。 我也不想创建一个新文件并在其中添加页面。准确地说，除了表的内容之外，所有的内容都应该是strings的list格式。
浏览 26提问于2019-09-02得票数 0
我正在尝试解析几个包含工程图的PDF文件，以获取这些文件中的文本数据。我尝试将TIKA作为jar与python一起使用，并将其与jnius包一起使用(在这里使用本教程：)，但是代码抛出了一个错误。使用TIKA包，我可以传递文件并解析它们，但Python只能提取元数据，当被要求解析内容时，Python返回输出"none“。它能够完美地解析.txt文件，但无法提取PDF的内容。= parser.from_file('&
浏览 0提问于2015-10-12得票数 3
1回答
我需要从pdf创建json来呈现所有图像和文本的HTML格式的pdf内容。我已经尝试了下面的模块来做到这一点。我现在只能提取普通图像，但不能提取图形图像和背景阴影图像。尝试的模块-Mammoth(Node) -PDFBox(Java)
浏览 5提问于2017-05-08得票数 0
我有一个PDF文件是从木星笔记本创建的，但是原始的.ipynb文件丢失了。有什么工具可以帮助将PDF转换成.ipynb吗？
浏览 2提问于2020-06-24得票数 0
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 PyPDF2pdfFileObj = open('test.
浏览 8提问于2020-10-04得票数 1
回答已采纳
我使用Python脚本，它使用pdfplumber提取PDF文件的文本内容。在python中运行pdf管道工时，我遇到了如下错误这是python脚本
import
浏览 3提问于2022-08-09得票数 0
1回答
我接受PDF作为用户输入。我知道上传的PDF不应该/不需要包含任何可能被恶意使用的内容类型，如JS或AA。"0" Name="/XFA"/>我当前的用户输入验证是查看所有内容类型= 0，则拒绝PDF
浏览 1提问于2019-12-18得票数 0
我有一个MS文件，我需要从其中提取文本分页。我尝试过python，但它可以提取整个文本，但不能提取页面。我还将docx转换为pdf，然后尝试文本提取。问题是，在转换之后，docx的页面结构发生了变化。例如，在转换时，字体大小被更改，而docx的一页中的文本内容在pdf中占用了多个页面。
我正在寻找一个稳定的解决方案，可以从docx中提取分页文本(而不转换为pdf将更适合我的整个解决方案)。
浏览 9提问于2019-12-18得票数 4
回答已采纳
0回答
有没有办法用python3.6打开和读取pdf文件？我试着用几个库和工具如PyPDF2和pdfrw来读取pdf文件，但是它们都不能提取pdf文档的文本内容。任何形式的帮助都将不胜感激。
浏览 5提问于2017-12-13得票数 5
回答已采纳
3回答
我正在做一个项目，它将从pdf文档中提取指定的文本。我没有这种提取的经验。有一个问题是，我们不只是想转储文档中的所有文本。更确切地说，是否有一种方法只提取pdf中的某些字段？有一个概念的pdf模板，可以用来做这样的事情？
我正在尝试使用苹果的自动化-这是能够得到所有的文本，但没有指定的文本。对于这方面的最佳工作流/提取工具有什么想法吗？我希望只使用消费者级别的项目，如Apple页面、Automator和ruby或python作为脚本语言。th
浏览 2提问于2012-03-25得票数 2
我需要写一个程序，显示一个第三方提供的PDF。在向用户显示文本数据之前，我需要在表单中插入文本数据。我确实可以选择将PDF转换为另一种格式，但它必须看起来完全像原始的PDF。
浏览 2提问于2009-12-01得票数 3
回答已采纳
这些文档是PDF格式的。当我将这个实验部署为web服务时，它不允许我输入PDF。有没有一种方法可以将PDF输入到web服务？
浏览 0提问于2017-02-06得票数 1
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。显然，pdftotext只是简单地删除了一些内容。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
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
