从 PDF 文档中提取单词空间答案

【问题标题】：Extract word-space from PDF documents从 PDF 文档中提取单词空间
【发布时间】：2018-04-22 11:11:29
【问题描述】：

我正在使用 word-space shift 方法在 PDF 文档中检测隐藏消息的任务。为了做到这一点，我需要一个 python 包，它可以帮助我获得任何单词之间的精确空格值，但我还没有找到任何包。任何人都知道任何包可以做到这一点？谢谢。例子：输入： This_is__a_simple_sentence_with__no_meaning" 输出： [1, 2, 1, 1, 1, 2, 1]

为了直观起见，我假设每个下划线表示一个空格，每个空格等于 1。正如您所见，每个单词之间的空格总数不相等，有些单词之间有多个空格。我在这里尝试归档的是输出一个数组，内容仅包含每个单词之间的空格的总值。

【问题讨论】：

你能举个例子和预期的输出吗？
@MegaIng 它将是以 pt 为单位的单词空间数组。如果我有这样的句子：“Hello from python 3”，输出将是 [8, 16, 8]，因为默认间距是 8pt，但在“from”和“python”之间有两个空格，所以它会是16
我完全不明白你想要什么。请在您的问题中添加示例文件和示例输出。
@MegaIng 我已经用一个例子编辑了我的问题，谢谢你
要求我们推荐或查找书籍、工具、软件库、教程或其他非现场资源的问题不属于 Stack Overflow 的主题。

标签： python pdf

【解决方案1】：

这个函数做你想做的：

def count_spaces(s):
    l = []
    current = None
    for c in s:
        if c ==" ":
            if current is not None:
                current+=1
            else:
                current = 1
        else:
            if current is not None:
                l.append(current)
                current = None
    return l

【讨论】：