我收集了以下列格式存储信息的 pdf 文件:
Line no 1 Line no. 11
Line no 2 Line no. 12
. .
. .
. .
Line no 10 Line no N
我正在使用 pdfplumber库来提取 PDF 的文本内容,但是 pdfplumber
不是首先从第 1 行读取到第 10 行,然后向第 11 行前进(依此类推),而是将第 1 行和第 11 行作为一行一起读取。考虑以下输出:
Line no 1 Line no. 11
Line no 2 Line no. 12
.
.
.
我的期望:
Line no. 1
Line no. 2
.
.
.
Line no. 11
.
.
.
这是 link到我正在尝试阅读的 pdf。
我尝试了 pdfplumber
库中带有表设置的 extract_table()
实用程序,但它没有用(引用答案 https://stackoverflow.com/a/63133876/10011503 )
我是否需要将一些特定的表设置作为参数传递给 pdfplumber.open('path_to_pdf').pages[0].extract_table()
或者是否有任何其他实用程序和/或解决方法?
最佳答案
我在上面的 PDF 部分没有看到表格。我建议你使用
Page.extract_text(...)
改为调用。
readme主文档中有一个在 https://github.com/jsvine/pdfplumber/blob/stable/examples/notebooks/san-jose-pd-firearm-report.ipynb 处提取固定宽度文本的示例这与您的药物 PDF 更相似。
关于 python pdfplumber : extract pdf with data split into 2 columns,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63577396/