Question

我试图用我编写的这个小脚本来解决所有问题，就是解析PDF文件中的数据。

但是，我似乎遇到了python的问题，更具体地说，PyPDF2模块无法从pdf文件中读取文本。打印出的数据都是模糊的，基本上不可读。但是，当我打开我想要阅读的pdf文件时，我可以简单地click drag and ctrl+c复制内容，之后当我将其粘贴到普通的txt文档中时，它可以完美地工作。当我手动复制和粘贴这个过程时，数据是可读的。

所以我试图做的就是模仿那个确切的步骤，然而让它自动化，而不是让我浏览执行上述步骤的pdf文件中的所有页面。

或者如果有任何建议我可以做些什么来实现这一目标，我将不胜感激。我已经尝试将pdf文件转换为docx和纯文本文件，但文件内容的格式完全重新排列

import PyPDF2
pdfFileObj = open('sjsuclassdata.pdf', 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
pdfReader.numPages

pageObj = pdfReader.getPage(4)
print(pageObj.extractText())

修改基本上我现在要做的就是编写一个可以执行以下操作的脚本。

1。）阅读pdf文件

2。）复制整页内容（ctrl + a）

3.）将整页内容粘贴到纯文本文件（ctrl + v）

4。）阅读pdf直到文件结尾

Answer 1

我会尝试一下：

import slate

output_prefix = 'foobar'
file_ext = 'txt'

with open('example.pdf') as f:
        doc = slate.PDF(f)
        for page_number, page in enumerate(doc):
            open('%s_%s.%s' % (output_suffix, page_number, file_ext), 'w+').write(doc[page_number])

将文件内容复制到剪贴板并在python

1 个答案: