我们如何使用python从pdf中提取特定值？答案

【问题标题】：How can we extract the specific value from pdf using python?我们如何使用python从pdf中提取特定值？
【发布时间】：2020-03-30 15:15:38
【问题描述】：

有没有办法使用 NLP 或 python 库从 pdf 中获取特定文本

【问题讨论】：

到目前为止你尝试了什么？

标签： python pip nlp

【解决方案1】：

您可以使用 tika、textract 或 PyPDF2

from tika import parser
data = parser.from_file('your_pdf.pdf')
print(data['text'])

【讨论】：

【解决方案2】：

首先使用以下命令安装 PyPDF2 库：

pip install PyPDF2

输入此代码：

Import PyPDF2
mypdf=open(”/home/Desktop/sample.pdf”, mode=”rb”)
pdf_document=PyPDF2.PdfFileReader(mypdf) `

现在创建 pdfobject 作为 pdf_document，pdf 中有多少页然后使用pdf_document.numPages

first_page=pdf_document.getPage(0) print( first_page.extractText() )

现在您可以阅读 pdf 文件了。

如果您对我的回答有任何误解，请参考以下链接：

Python for NLP: Working with Text and PDF Files

【讨论】：

【解决方案3】：

尝试pdfreader 从 PDF 文档中提取文本（纯文本和包含 PDF 运算符）

这是从所有文档页面中提取上述所有内容的示例代码。

from pdfreader import SimplePDFViewer, PageDoesNotExist

fd = open(you_pdf_file_name, "rb")
viewer = SimplePDFViewer(fd)

plain_text = ""
pdf_markdown = ""
try:
    while True:
        viewer.render()
        pdf_markdown += viewer.canvas.text_content
        plain_text += "".join(viewer.canvas.strings)
        viewer.next()
except PageDoesNotExist:
    pass

【讨论】：