PDFMINER工具pdf2txt抓取数据顺序

Question

我想从pdf文件中提取数据。我正在使用pdfminer工具pdf2txt将pdf转换为纯文本。但是生成的文本文件搞乱了数据的顺序（遇到表的地方和之后）。然后我尝试将pdf转换为html但是，唉，同样的结果。我是python的新手......而且我也无法理解pdfminer库的广泛工作。有没有办法保存数据顺序？

Answer 1

尝试使用以下附加参数运行脚本：-M 30 -W .95 -L .03

我遇到了和你描述的问题相同的问题，这大大改善了输出。但是，使用pdftotext.exe（xpdf的一部分）可以获得更好的结果。在这里下载：

http://www.foolabs.com/xpdf/download.html

麦克