python - 我需要一个起点来编写应用程序以将文本从 pdf 提取到 excel

Question

首先，我只想声明我是一名具有基本编程知识的电气工程师。

我的要求如下：

• 我想创建一个应用程序，我可以在其中加载和查看包含表格的 PDF 文件。
• 这些 PDF 文件表格的形状不规则，并且在每一页上的位置都不同。（这就是为什么像表格这样的工具不能帮助我的原因）
• 每个表格条目都是多行且尺寸不规则（我不能一次选择一整行，它必须是单独的每个元素。简单地将行复制到 Excel 也行不通，因为它需要大量格式化）
• 所以我希望能够从表格中单独选择每个表格条目（如所需文本上的选择或裁剪框），如果文本中有新行，则删除新行并保留空格。
• 生成的 excel（或我不介意的访问数据库）应该是可查看和可保存的（如果这些是偶数的话 XD）。

我对 python 和 Django 有很好的了解，我正在寻找一些专家，他们可以告诉我我真正需要学习什么（如果可能的话在哪里学习）来执行我的项目。

对我来说执行是不是非常多，如果我可以每周投入 10 个小时，执行这样一个项目需要多少钱。

提前感谢大家的帮助。

标签： pythondjangoexcelpdf

Answer 1

不要使用 Python，使用 Word。打开pdf，然后逐步通过表格集合收集数据并将其放入excel。请参阅此示例