在python中从具有特定标题的PDF中提取数据

Question

我想在 python 中解析 PDF 文件。我已经看到 PDFMiner 的示例无法解释我的要求。

例如，如果我想解析一份简历，它包含各种字段，如摘要、经验和爱好。

我有兴趣仅提取经验，并且该经验字段将位于第一位或第二位或任何位置，我需要确定经验字段的位置并需要提取数据。

我该怎么做？

Answer 1

有两种可行的方法来提取该字段数据：

1. 搜索一些预定义的关键字，如@9​​87654321@ 以获取其位置。然后搜索下一节的关键字（Hobbies），然后只需确定这两个节之间的文本分区的坐标，并从该位置提取此文本。

2. 如果 PDF 是使用相同的生成器生成的，那么您可能只找到 Experience 部分的坐标，并且每次都从同一位置提取文本。

3. （最简单）只需将整个页面转换为文本，然后使用子字符串搜索或正则表达式解析生成的文本。这将是最简单和最简单的方法，因为有关 PDF 格式的所有工作都依赖于专门的工具