使用 PYPDF2 阅读 PDF 时,语法如下:
with open("Sample_data.pdf", 'rb') as PDFfile:
reader = p2.PdfFileReader(PDFfile)
print(reader.getDocumentInfo())
page1 = reader.getPage(0)
print(page1.getContents())
text = page1.extractText()
print(text)
假设这个 PDF 有表格数据,但没有适当的表格结构。在这种情况下,抓取的数据或文本会导致......列名的序列与行数据的序列不同。
此外,列内没有保留空间,这导致提取后对文本的处理更加复杂。我试图浏览 PYPDF2 的文档,但没有找到任何解决此问题的方法。