文章/答案/技术大牛

发布

社区首页 >问答首页 >如何使用python提取pdf文件中每一行的文本

问如何使用python提取pdf文件中每一行的文本
EN

Stack Overflow用户

提问于 2017-11-24 00:27:59

回答 1查看 3.7K关注 0票数 0

我经历了许多从pdf文件中提取数据的解决方案，但没有找到解决这个问题的方法。

我有一个pdf文件，其中包含以下数据格式

UPC             Product Description              Subcategory Name   Pkg type

018894300199    Big Y Mozzarella String  16oz       16oz Pkg Cheese    PKG

我需要使用python为pdf文件的每一行提取UPC、和Sub名称

我能够使用下面的代码从pdf文件中提取文本。

from PyPDF2 import PdfFileReader, PdfFileWriter



pdfFileObj = open('grocery2.pdf', 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)


print(pdfReader.numPages)

pageObj = pdfReader.getPage(1)
pagecontent = pageObj.extractText()

我有超过500页的产品数据。对于页面的每一行，提取UPC、产品描述和子名称的最有效方法是什么？

python

pdf

回答 1

Stack Overflow用户

发布于 2017-11-24 00:54:20

由于它们是由空格来区分的，而且您的字符串本身也有空格，所以使用提取的文本可能不会太有帮助。我必须查看完整的pdf文件才能知道这是否有效，但请尝试：

From tabula import read_pdf

df = read_pdf("grocery2.pdf")

然后，您可以执行任何数据挖掘操作来提取不同的值，即。

df1 = df[['UPC', 'Product Description']]

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/47464866

复制

相似问题

问如何使用python提取pdf文件中每一行的文本
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何使用python提取pdf文件中每一行的文本EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何使用python提取pdf文件中每一行的文本
EN