R或Python：将提取的数据和图像与pdf相关联

Question

我正在尝试从pdf中提取数据和图像并将它们传递给数据库。我在R和Python中尝试了几个库/包，但仍然面临着我无法将提取的图像与描述它的数据联系起来的问题。 我附上了一个pdf文件的图像作为样本来说明问题。 我的需要是最终得到如下数据框：

NUMBER    ORDER  IMAGE
09090087  345679  345679.jpg
09090087  535278  535278.jpg

文件345679.jpg，这是一只猫，535278.jpg，这是一只狗，提取到某个文件夹......

目前我已设法提取图像，但我无法弄清楚如何将图像与文字标签联系起来。

我的代码：

from __future__ import print_function
import fitz
import sys, time, re

checkXO = r"/Type(?= */XObject)"       
checkIM = r"/Subtype(?= */Image)"          

doc = fitz.open(sys.argv[1])
imgcount = 0
lenXREF = doc._getXrefLength()        


for i in range(1, lenXREF):            
    text = doc._getObjectString(i)    
    isXObject = re.search(checkXO, text)    
    isImage   = re.search(checkIM, text)    
    if not isXObject or not isImage:   
        continue
    imgcount += 1
    pix = fitz.Pixmap(doc, i)          
    if pix.n < 5:                      
        pix.writePNG("pdfimg/img-%s.png" % (i,))
    else:                              
        pix0 = fitz.Pixmap(fitz.csRGB, pix)
        pix0.writePNG("pdfimg/img-%s.png" % (i,))
        pix0 = None                    
    pix = None                         

任何想法？