使用Python

Question

我正在为我的PDF数据语料库开发自定义搜索引擎。

我有一个转换层，可以将PDF内容转储到文本中（使用Apache Tika和GROBID）。我已完成搜索图层和返回搜索结果列表的视图。

现在，我想为原始PDF添加突出显示功能，用于显示搜索字词的行。是的，如果有必要，我想修改PDF文件。

PDF文件中有高亮显示文字吗？ PDFMiner或PyPDF2或其他Python库能够做到吗？

...或者你可以推荐其他的，也许是外部服务吗？

Answer 1

您可以使用PyPDF2突出显示文字。

要查找文字的位置，请查看this answer。