裁剪PDF文件无法裁剪文本以进行文本提取（textract和pdfminer）

Question

我正在使用python库PyPDF2裁剪许多PDF文件，以切除学术论文顶部和底部的无用信息（即底部的页码和期刊信息）。然后，我使用库textract将文本从裁剪的PDF文件提取为txt文件。但是，尽管已裁剪，但输出txt文件仍包含裁剪出的信息。 这也适用于pdfminer，另一个文本提取库（不是OCR）。似乎与OCR相比，对于文本提取，不能仅通过裁剪来消除文本。谁能解释为什么会这样？关于如何消除PDF文件中无用信息以进行文本提取的任何想法？