文章/答案/技术大牛

发布

社区首页 >问答首页 >使用pdftotext提取特定数据

问使用pdftotext提取特定数据
EN

Stack Overflow用户

提问于 2021-09-08 09:18:09

回答 1查看 47关注 0票数 1

我正在使用pdftotext Python Library从PDF文档中提取一些数据。

import pdftotext

# Load your PDF
with open("text2.pdf", "rb") as f:
    pdf = pdftotext.PDF(f)


# How many pages?
print(len(pdf))



data = "\n\n".join(pdf)
# Read all the text into one string
print(data)

提取的数据为：

Account Name               :Mr. SX
Account Name               :Mr. XX XX XX
Address                  : Address detaisls
                      
Date                        :7 Sep 2021
Account Number               :00000031873583221
Account Description          :REGULAR SB CHQ-INDIVIDUALS
Branch                      :SSI 
Drawing Power               :0.00

整个数据都是字符串形式的，但我只想提取帐号。我使用正则表达式：

^(Account\s+Number).*$

但是无法弄清楚如何从整个字符串中提取数据。

python

text

data-extraction

pdftotext

回答 1

Stack Overflow用户

回答已采纳

发布于 2021-09-08 09:20:01

您可以尝试：

>>> '\n'.join([re.sub(r'Account Number\s+:', '', line) for line in data.splitlines() if 'Account Number' in line])
'00000031873583221'
>>>

不使用正则表达式更简单：

>>> '\n'.join([line.split(':')[-1] for line in data.splitlines() if 'Account Number' in line])
'00000031873583221'
>>>

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/69100290

复制

相似问题

问使用pdftotext提取特定数据
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

问使用pdftotext提取特定数据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

问使用pdftotext提取特定数据
EN