python解析PDF获取文本和坐标

最新推荐文章于 2024-12-25 16:24:37 发布

freedomUSTB

最新推荐文章于 2024-12-25 16:24:37 发布

阅读量1.2k

点赞数 1

文章标签： python pdf 开发语言

本文链接：https://blog.youkuaiyun.com/freedomUSTB/article/details/131207700

版权

本文介绍如何使用Python解析PDF文件，提取文本及其在页面上的精确坐标。通过示例代码展示如何操作，适合需要处理PDF文档的开发者参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

"""
https://blog.51cto.com/u_8771474/5752288
https://blog.youkuaiyun.com/weixin_35757704/article/details/121621559
"""
import os
import pdfminer
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfpage import PDFPage
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LAParams, LTText, LTChar, LTAnno


def parse_char_layout(layout):
    """解析页面内容，一个字母一个字母的解析"""
    # bbox:
    # x0：从页面左侧到框左边缘的距离。
    # y0：从页面底部到框的下边缘的距离。
    # x1：从页面左侧到方框右边缘的距离。
    # y1：从页面底部到框的上边缘的距离
    words_result = []
    for textbox in layout:
        if isinstance(textbox, LTText