问题标签 [pypdf]

在创建了使用 java 和 pdfbox 提取 PDF 的工具后，我一直在尝试使用 Python 提取 pdf。

虽然 Java 实现对于同一个 pdf 是成功的，但我一直在努力在 python 中做同样的事情，因为 pdfminer 和 pypdf 和 pypdf2 都无法使用空格逐行提取 pdf。特别是，pdfminer pdf2txt 出于某种奇怪的原因将 pdf 分成 3 列，然后逐行读取。

我得到的最接近的是使用堆栈溢出问题的实现，不幸的是它没有保留空格。鉴于我有两个都有数字的变量，我无法以文本形式恢复它们。

鉴于此，是否可以在 Python 中逐行提取带有空格的 pdf？

我已经成功安装了pyPDF，但是extractText方法效果不好，所以我决定试试pyPDF2，问题是，提取文本的时候出现异常：

这是我的示例代码：

它正确地确定了 pdf 中的页数，但是在读取流时存在问题。

我正在使用 pypdf 从 pdf 文件中提取文本。问题是 pdf 文件中的表没有被提取。我也尝试过使用 pdfminer，但我遇到了同样的问题。

我已经让 pypdf 对单个 pdf 文件工作得很好，但我似乎无法让它对大量文件工作，或者在多个 pdf 的 for 循环中工作，而不会因为字符串不可调用而失败。有什么想法可以用作解决方法吗？

我正在使用一个列表，但我得到了完全相同的错误，我认为这没什么大不了的，但现在它正在成为一个。我知道我能够在 arcpy 中解决类似的问题，但这还不是很接近

我想在 pdf 的每一页上都有一个文本。该文本是一个 html 代码，看起来<p style="color: #ff0000">blabla</p>在最终文档上显示为红色，我将其转换为 pdf（html2pdf lib），然后将它（PyPDF2 lib）合并到我的 pdf 的每一页。...但是合并很慢！

我的问题是：有没有比 PyPDF2 的 page.mergePage 方法更快的方法来合并 pdf？（或者也许有更快的方法将我的文本添加到这个 pdf 中？）

谢谢 ！（在 Windows 8 上使用 python 2.7.5）

我们正在生成显示在我们 Web 应用程序的某些页面上的 PDF。PDF 显示在页面内的 iframe 中。如果用户在安装了 Acrobat 的 Internet Explorer 上单击其中一个 PDF 中的链接，它会将链接加载到 iframe 中，这会破坏用户体验。

我想要完成的是在 PDF 中嵌入 Javascript，以便在 PDF 中单击的任何链接都在新窗口中打开。我尝试在 PDF 中嵌入以下代码：

生成的 PDF 继续在原地打开链接。我正在使用PyPDF2中的实用程序函数将 Javascript 嵌入到 PDF 中。

我还刚刚想到，可能无法在 iframe 内的新窗口中打开 PDF 中的链接。

我有一个带有图像和大量文本的 pdf 页面对象。

我想删除该图像并根据其内容删除一些文本对象。那就是我想获取所有文本对象的内容，然后如果它们满足条件则删除其中的一些。

我怎么能用PyPDF2做到这一点（文档真的很差）？或者是否有另一个允许这样做的库？

谢谢

我正在尝试用python编写一个程序，该程序接受一个PDF文件并首先将任何包含水果名称（芒果，橙子或苹果）的pdf附加到它，然后将带有动物名称的pdf附加到原始文件（斑马、猴子、狗），最后附加任何剩余的 PDF。这是我的代码：

当我运行这个程序时，我得到以下错误：

os.remove(originalFile) WindowsError: [Error 32] The process cannot access the file because it is being used by another process: 'C:/originalFile.pdf'

谁能解释我将文件添加到合并文件后如何关闭文件？

从裁剪的 pdf 中提取文本。当我尝试使用 python pdfminer 提取文本时，它将出现整个页面。不在种植区。我只需要裁剪区域文本。

让我知道提示。

谢谢， 乌梅什

从这里获得 pyPDF2 库： https ://github.com/mstamy2/PyPDF2/tree/Python3-3

当尝试从那里运行脚本“示例 1：”时，请查看：

怎么了？