只是尝试使用 Slate 库和 PyPDF2 从 Python 中的 PDF 中提取文本。不幸的是，一些 PDF 正在输出，其中多个单词合并/连接在一起。这似乎是间歇性发生的，例如，对于某些 PDF 单词，它们之间的空格被正确提取，而另一些则不是。
包含未正确提取单词的 PDF 示例，可在此处下载（所以不允许我上传）。从输出
slate.PDF(open(name, 'rb') ).text()
是（或至少一个片段是）：
,noton adhocprocures,and can be used with datacollected atmultiplespatial resolutions (Kulldorff1999).如果有关于加班税的丰富数据可用，这些数据可以合并到 STPS 分析中，以提高模型检测瞄准集群的灵敏度和可靠性，
当然第一个逗号分隔的标记应该在哪里not on adhoc procedures
有人知道为什么会发生这种情况，或者对用于 PDF 文本提取的库有更好的了解吗？
谢谢您的帮助！