python - 我找不到提取下划线文本的方法，不能用 pdfminer.six 完成吗？

Question

我正在尝试提取pdf中的文本，该文本使用python加下划线但无法找到正确的解决方案，任何人都可以帮助解决这个问题，请

Answer 1

在 PDF 中，没有划线或划线字体，因此您可以希望的最好的结果是在开始和结束时有一个标志，就像在富文本中一样。通常，图纸空间中的一行位于图像/文本字符的上方/下方。通常稍后（如突出显示）作为“注释”完成，因此您正在寻找高度窄的矩形。

PDFMiner 6 承认他们最多可以关闭这个问题。见https://github.com/pdfminer/pdfminer.six/issues/237

您可以查找 StrikeThrough 或 StrikeUnder Annotation 对象，并在https://github.com/0xabu/pdfannots上提供了显示如何完成的脚本