我有pdfs形式的数据，我想将其转换为文本。我想删除图像，页眉和页脚，而不是仅以多行表的形式保留数据，请您建议转换它的最佳方法？我尝试了tabula和apache tika，但结果并不理想。
答案 0 :(得分：1)
您可能知道，PDF中的文本按页面上的x / y坐标排列。标题不会像MSWord，HTML等一样存储/识别。
很高兴听到您尝试过tabula：https://github.com/tabulapdf/tabula。对不起它对你不起作用。
如果您正在处理期刊文章，那么您可能会对运行https://wiki.apache.org/tika/GrobidJournalParser
感到满意要按地点提取文字，请参阅：https://stackoverflow.com/a/35299074
答案 1 :(得分：0)
http://pdftotext.com/ 这可行，但可能不是你寻找的方式