python - 按python类型从pdf中提取文本

Question

大家好，我有这个 pdf 文件样本，我有 30 多个文件，每个文件包含 10 页。如您所见，每个段落由三种类型的文本字体和颜色组成，我想将 pdf 文件转换为 cvs 文件或 xls 文件，其中每种类型在单独的 coulmn.ALso 中，我想排除黄色突出显示的文本。类似的东西：

我python libries应该使用什么？任何方向或建议都会有所帮助谢谢

标签： pythonpdftext

Answer 1

那里有几个图书馆。我之前曾与https://pypi.org/project/pdfminer/合作过。它可能适用于您的用例。

pdf2txt.py my_text.pdf