问使用python从pdfs中提取特定文本

EN

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pdf1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pdf2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，

样本pdf:样本pdfs

代码1

import pdfplumber
import docx

file='Book_EM-Cases-Digest-Vol-2-Pediatric-Emergencies (1).pdf'

pdf=pdfplumber.open(file)

for page in pdf.pages:
    text=page.extract_text()

代码2

import fitz

file='Book_EM-Cases-Digest-Vol-2-Pediatric-Emergencies (1).pdf'


docum=docx.Document()
with fitz.open(file) as doc:
    for page in doc:
        text=page.get_text()

以上代码将提取整个页面的文本。但我想要具体的短信。我知道我们也可以使用python regex来完成这一任务，但是我也有各种不同的pdfs，对于所有pdfs都很难使用python regex。