如何从PDF中提取数字？

Question

（Python 3.4.3）

您好，我是Python新手，我想从PDF文件中提取数字。有关详细信息，我想创建一个直方图，描绘大学批准的分数。因此，不应考虑低于500和高于900的所有数字，因为没有人获得这些给定分数的批准。

Answer 1

您首先需要一个PDF解析器，因为Python默认情况下无法读取它。这里发布了一个SO答案Python module for converting PDF to text建议使用PDFMINER - http://www.unixuser.org/~euske/python/pdfminer/index.html

但是，您没有提供有关如何表示数字的任何示例。您需要使用正则表达式/模式来创建某种自定义行解析器，以定义如何提取这些数字的规则。困难主要取决于PDF是否仅包含原始统计数据，如果不包含，您还需要注意不要接受所有数字，即那些实际上不涉及任何统计数据但只是在句子中的数字。 / p>

您可以从此处https://docs.python.org/3/library/re.html

了解有关python中正则表达式的更多信息

如果你是新手正则表达式，你可以在这里学习和试验它 http://regexr.com/。