回答情况：
提问时间：
问题标签：
我最近从python2转到python3。我知道python3不支持PDFMiner模块。所以我想知道是否有替代PDFMiner的方法，或者更简单一些，是否有任何模块支持Python3，并且能够从pdf中提取文本和数字？
浏览 5提问于2015-09-14得票数 3
MP3音频不是附件，它们不显示在Acrobat的附件面板上，它们显示在评论面板上，Adobe /Acrobat只能将它们导出到Acrobat的数据文件中，这是一个类似于pdf的数据文件。不幸的是，PDF文件不能作为档案打开，从中提取文件。
那么，我如何提取MP3's？有任何免费的Linux或Windows软件可以轻松地做到这一点吗？我尝试过这些程序的免费试用，它们要么只显示评论(甚至不能播放)，要么直接导出到.fdf，要么无法显示评论，要么只能提取附
浏览 0修改于2020-10-09得票数 1
回答已采纳
这些是PDF / A/3文件，其中有一个嵌入的XML文件，其中包含数据。知道怎么做吗？
非常感谢和问候，
浏览 4修改于2019-09-06得票数 3
回答已采纳
21回答
我正在尝试使用Python提取包含在文件中的文本。我使用的是模块，并具有以下脚本：pdf_file = open('sample.pdf')number_of_pages = read_pdf.getNumPages()page_content = page.extractText
浏览 326修改于2018-10-06得票数 266
我正在尝试从多个PDF中提取日期，以便在dataset中创建日期列。下面是我刚刚拥有的包含文件名的数据集。# A tibble: 260 x 1 <chr> 1 ./2012.01.18.pdf
2 ./2012.02.07.pdf3 ./2012.03.12.<e
浏览 6提问于2022-11-27得票数 1
回答已采纳
无法从具有客户加密字体的pdf中提取文本，后者可以通过Adobe中的File -> ->字体识别。其中一种字体被提及为，C0EX02Q0_22类型:类型3编码:自定义实际字体: C0EX02Q0_22实际字体类型:类型3
让我知道是否有任何方法来提取这些pdf文件的文本内容。目前，我正在使用的PDFText2HTML从pdf util。在提取这样的pdf文件时，获取类似于‘extracting @ files’之类的值。样
浏览 0修改于2014-01-22得票数 1
我正在寻找一个库(如果可能的话，在Java或PHP中可用)，以便从PDF中提取文本。有许多可用的软件，包括：你会选择哪种工具？你觉得他们怎么样？
非常感谢您的帮助！
浏览 4修改于2010-11-13得票数 3
回答已采纳
我正在尝试从PDF中提取文本。PDF包含印地语(Unicode)文本。我使用的提取实用程序是Apache PDFBox ( )。提取器提取文本，但文本无法识别。下面是一个例子:假设PDF中的文本是:पवार有什么建议吗？
浏览 3提问于2011-09-20得票数 4
回答已采纳
1回答
我试图从PyPDF2中提取文本，但它正在从PDF中提取空白文本。PDF是文本格式的，而不是基于图像的。有没有办法对pdf进行泛化，使其提取文本？因为我不想改变这个库，我的整个代码都依赖于它。在这里找到pdf：https://drive.google.com/file/d/1aoWtxNhOKwFw2xbBZgv3gzZPOvt5Ovhc/view?usp=sharing import PyPD
浏览 22修改于2021-02-01得票数 0
在创建了一个使用java和pdfbox提取pdf的工具之后，我一直在尝试用Python提取pdf。虽然对于相同的pdf，Java实现是成功的，但我一直在努力在python中做同样的事情，因为pdfminer和pypdf和pypdf2都不能逐行提取带有空格的pdf。特别是，出于某种奇怪的原因，pdfminer pdf2txt将pdf拆分为3列，然后逐行读取。
我得到的最接近的是使用的实现，不幸的是，它没有保留空格。鉴于
浏览 10修改于2017-05-23得票数 4
我正在为bash终端寻找一个命令来解决以下问题：会像这样吗？for i in *.pdf; do pdftk "${i%.pdf}.pdf" cat 3 output "${i%.pdf}.pdf"; convert "${i%.<
浏览 0修改于2019-03-13得票数 1
我需要从pdf中提取的一些图像不是作为图像转换为pdf，而是作为Stamp。我得到了很多PDF，我想从这些PDF中提取所有的邮票和所有的图像(我有一个脚本用于所有图像，但不是所有的邮票)。我只想要这些邮票的JPG，但我不知道如何才能解析这些PDF和提取所有的JPG格式的邮票。我想在python 3中做到这一点。
非常感谢!致以敬意，
浏览 21提问于2021-05-20得票数 0
我想在python3中使用camelot从pdf中提取所有的表格。# PDF file to extract tables fromtables = camelot.read_pdf(file)print("Total tables extracted/p
浏览 29提问于2020-05-27得票数 1
我有pdf文档。我很清楚如何从中提取文本。from PyPDF2 import PdfReaderpdf = PdfReader(pdf_path)page_1_object.extractText().
浏览 6提问于2022-08-26得票数 0
回答已采纳
我正在使用pdfminer3库从pdf中提取文本。但是它在彩色页面中的效果并不好。我尝试使用以下代码从pdf中提取文本：from pdfminer3.pdfpage import PDFPage我不想把pdf转换成图像，然后转换成grascale，我已经做了，因为pytesseract不能很好地提取数据。
我也试过了pdf</e
浏览 2修改于2020-12-26得票数 0
我有一个最终提取PDF的宏。我需要提取当月的PDF它是+3个月过滤。
我该怎么做呢？因此，例如，如果用户在三月选择了切片器，宏将只提取三月的PDF，但我需要它同时提取同一PDF文件中的四月、五月和六月(因此文件中有4页)。我希望这是有意义的。
浏览 0修改于2019-02-19得票数 0
我有一个包含pdf文件的目录，我想从其中提取文本(每个文件都是单独的)，并将它们放入与原始pdf文件同名的单独.txt文件中。示例:目录X包含'name1.pdf‘、'name2.pdf’和'name3.pdf‘import tex
浏览 8提问于2017-02-16得票数 0
回答已采纳
我正在尝试使用Python3.x中的pdfminer从pdf中提取文本。我使用以下命令安装了它当我尝试使用下面的命令提取文本时，我得到了一个错误错误: pdf2txt.py:
浏览 102提问于2018-02-08得票数 1
回答已采纳
我正在尝试使用pyPDF2来提取文件的标题。输出为无或标题错误。我也尝试了使用PDFminer，结果仍然是一样的。我试着用了3个不同的pdf文件。有没有更好的方法来更准确地提取标题？这是我使用的代码：
pdf_reader = PdfFileReader(open(pdf_file_path, "r
浏览 3修改于2018-07-18得票数 0
回答已采纳
我的亚马逊网络服务s3存储桶中有多个格式文件，如pdf、doc、rtf、odt、png，我需要从中提取文本。我已经设法获得了内容列表及其路径.now，具体取决于文件类型，我将使用不同的库从文件中提取文本。由于文件可能数以千计，我需要直接从s3中提取文本，而不是下载。/IndustryReport2019.pdf', 'https://abc.s3.ap-south-1.amazonaws.com
浏览 11提问于2021-01-19得票数 0
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