回答情况：
提问时间：
问题标签：
我有多个pdf文件，我想提取一组特定的页面，其中每组页面是不同的每一个pdf文件。我已经创建了一个字典，其中键作为pdf文件名，值作为从每个pdf文件中提取的页面列表(显示为键)。我打算从相关的pdf文件中提取给定的页面，并将它们全部写入一个新的pdf文件中，以便我可以在这个最终文件上进行数据提取。我尝试过PyPDF4和FPDF，但到目前为止还没有joy给我一个很大的pdf和空白页，或者一个
浏览 7修改于2022-02-10得票数 0
回答已采纳
我使用ITextSharp和列出的代码从pdf中提取文本。但我发现有些行给了我错误的结果：
在中- "2 \u 0085\u
浏览 0提问于2017-04-22得票数 0
回答已采纳
如何从以下格式的文本表中解析和提取4个重要列？这些是使用Ruby的pdf-reader包从PDF中提取的银行事务行项目--正如您可以看到的那样，列之间的间距在不同列之间非常不规则。11/4 Stripe Transfer St-XYZ Agnostic Computers 582.3011/6
浏览 15修改于2022-02-28得票数 0
回答已采纳
我用tesseract ocr从扫描的pdf文件中提取数据，我可以提取数据，但精度不好。在很多地方，它显示了错误的数据，所以我可以通过python获得100%准确的数据。首先，我将pdf转换为jpg格式，然后使用tesseract模块从图像中提取数据。Image
text=(pytesseract.image_to_string(Image.open(r"C:\Users\sumesh\Desktop\ip\ip\pdf11</e
浏览 11修改于2019-08-22得票数 1
我正在尝试使用pyPdf从多页PDF中提取和打印页面。问题是，不能从某些页面中提取文本。我在这里放了一个示例文件：
input = PdfFileReader(file("forms.pdf", "rb"))
for page in input1
浏览 0修改于2010-11-17得票数 6
我正在从pdf文件中提取选定的页面。并希望根据提取的页面分配数据帧名称： file = "abc"for i in selected_pages():
df{str(i)} = read_pdf(path + file + ".p
浏览 27提问于2019-10-13得票数 0
我希望从PDF中提取纯文本，并通过一个命名实体识别函数来运行它，该函数将显示文本和字符串位置。谢谢!
浏览 9提问于2022-06-17得票数 1
回答已采纳
我收集了pdf文件，以下列格式存储信息：Line no 2 Line no. 12.Line no 10 Line no NLine no 1 Line no. 11
Line n
浏览 1修改于2020-08-26得票数 3
我正在编写一个Google Sheets脚本另存为工作表文件到PDF。我希望文件名为Cell A11 (这是来自其他单元格的文本的组合)。所以我写了这个： file.setName(Cell + '.pdf'); 我的问题是:我如何定义“单元格”来从电子表格中的A11中提取数据。
浏览 23修改于2019-01-13得票数 0
回答已采纳
我使用Tabula-py通过URL列表从PDF下载和提取表。URL是基于规则创建的，一切都很正常，除非Tabula试图从没有页面/文件的链接中处理PDF (特别是周末，因为PDF不在周末发布)。我希望脚本跳过它会出现的任何错误(特别是当尝试从基于周末的URL中提取)并继续处理。
start = date
浏览 7修改于2022-11-13得票数 0
我刚接触到python和大熊猫，并试图将pdf文档转换成熊猫数据。import pandas as pd page
浏览 1修改于2021-07-28得票数 0
回答已采纳
我试图使用pdftools包从pdf中提取数据表。我的源文件在这里：。比方说，我想从第170页的表20 (名义房价的变化)中提取数据。我使用以下代码：library(pdftools)
report <- pdftools::pdf_data("https://hypo.org/app/uploads/sites/2/2021/11</em
浏览 9提问于2021-11-26得票数 2
回答已采纳
我试图用tabula-py从多页PDF中提取表格，虽然PDF的某些页面上的表被完美地提取出来，但是-一些页面被完全省略了。遗漏似乎是随机的，并且不遵循PDF上任何可见的视觉特性(因为每一页看起来相同)，因此表格省略了第1页、提取的第2页、省略的第3和第4页、提取的第5页、省略的第6页、提取的第8和9页、省略的10、提取的11我尝试过将PDF分成更短的部分，甚至是一个寻呼机，但是不管我尝试了什么，省略
浏览 3提问于2018-07-29得票数 3
我目前正在使用requests.get从API中提取pdf。我不想下载它们，只是想从它们中提取文本。response_pdf = requests.get(url, auth=TokenAuth(key))def convert_pdf_to_txt(filename):
rsrcmgr =
浏览 0提问于2019-09-13得票数 0
回答已采纳
我想从PDF文件中提取文本，这是在一个网站。该网站包含PDF文档的链接，但当我单击该链接时，它会自动下载该文件。是否可以在不下载文本的情况下从该文件提取文本from bs4 import BeautifulSouppublikationen-und-forschung/statistik-und-berichte-lebensmittelsicherheit.html"
headers =
浏览 0修改于2020-11-25得票数 1
如果标签的名称以"G“开头，如何删除列标签library(pdftools)library(tabulizer)out2<-as.data.table(out2)实际输出：
"Group.1&qu
浏览 4提问于2021-01-22得票数 0
回答已采纳
我试图使用Python索引切片从变量中提取特定字符。= 我试着提取抓取= myvar:10，但结果并没有给出我2013年11月29日的29112013 FDD
浏览 8修改于2022-06-07得票数 0
回答已采纳
我正在使用PDF水管工在一个过程中提取数据从PDF发票。当我加载多个PDF时，出现了一个问题。所有文件都上传到代码中，但是当我使用文本的exctractor ( PDF管道工)时，它只提供了下载的最后一个pdf的数据。PDF总是一样的，所以startPhrase和endPhrase是相同的。我从电子邮件下载文件
然后拥有文本提取器。page，startPhrase，endPhrase)：text = page.extract_text() conten
浏览 4修改于2020-07-02得票数 1
我有这个pdf文件可以提取数据，但问题是，当我将这段代码作为一个简单的java程序运行时，它就像一个魅力，但是当我在JSP上尝试这段代码时，它给出了这个异常，而我无法弄清楚这个异常是用来做什么的？我正在使用iText API从PDF中提取文本。<init>(PdfReader.java:219) at com.itextpdf.text.<em
浏览 5修改于2015-06-08得票数 1
回答已采纳
大多数答案包括图像/文本提取，这是相对容易的。有没有人能帮我写一个高效的python3.6代码来解决这个问题？到目前为止，我可以使用startmark = b"\xff\xd8“和endmark = b"\xff\xd9”实现提取jpgs，但并不是PDF中的所有表格和图形都是普通的jpgs，因此我的代码无法实现这一点例如，我想从第11页提取表格，从第12页提取</e
浏览 0提问于2019-04-29得票数 7
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号