我被困在如何在这里处理 pdf 上。我不知道如何直接从网络上抓取,当我在本地下载时它们完全是胡说八道,而不是实际的文本数据。
我曾尝试使用请求下载,但内容就没有用了。
import PyPDF2
# textract
import requests
# from nltk.tokenize import word_tokenize
# from nltk.corpus import stopwords
def get_amount(url):
data = requests.get(url)
with open('/Users/derricdonehoo/code/derric-d/price-processor/exmpl.pdf', 'wb') as f:
f.write(data.content)
我想弄清楚如何从 pdf 中获取数据。任何建议将不胜感激!