python - 有没有可能使用python从pdf中导出xml数据的方法

Question

我正在尝试像这种格式将 pdf 文件导出为 xml

  <w:p>
<w:pPr>
  <w:pStyle w:val="Heading5"/>
</w:pPr>
<w:bookmarkStart w:id="20" w:name="ssdfsdfd"/>
<w:r>
  <w:t xml:space="preserve">Ssdfsdfd</w:t>
</w:r>
<w:bookmarkEnd w:id="20"/>

这样我就不会错过字体和图像。

标签： pythonpython-3.x

Answer 1

你可以试试pdfminer。

或者pypdf2xml，一个基于 pdfminer 的项目。