发布于2023-02-03 21:22 阅读(802) 评论(0) 点赞(8) 收藏(2)
我有一个pdf,其中的问题要单独切片。我尝试了不同程度的成功的各种方法。现在我使用的方法是,我在上面添加了一个 OCR 层,并找出坐标 101. , 102. 直到 200
我使用的代码和示例输出
from PyPDF2 import PdfReader
import re
# Open the PDF file
with open('document.pdf', 'rb') as file:
pdf = PdfReader(file)
# Iterate through each page of the PDF
for page_num in range(len(pdf.pages)):
page = pdf.pages[page_num]
text = page.extract_text()
matches = re.finditer(r'(1\d{2}\.|2\d{2}\. )', text)
print("Page number: ",page_num+1) # added this line
for match in matches:
print(f"Number {match.group()} found at coordinates x1:{page.mediabox[0] + match.start()}, y1:{page.mediabox[1]}, x2:{page.mediabox[0] + match.end()}, y2:{page.mediabox[3]}")
输出
Page number: 1
Number 101. found at coordinates x1:185, y1:0, x2:189, y2:777.6
Number 102. found at coordinates x1:494, y1:0, x2:498, y2:777.6
Page number: 2
Number 103. found at coordinates x1:0, y1:0, x2:4, y2:777.6
Number 104. found at coordinates x1:144, y1:0, x2:148, y2:777.6
Page number: 3
Number 105. found at coordinates x1:0, y1:0, x2:4, y2:778.32
Number 106. found at coordinates x1:329, y1:0, x2:333, y2:778.32
我的目标是将 pdf 切片成图像,将顶点从页面顶部到 101. 然后 101. 到 102. 然后 102. 到页面末尾。无法继续进行。却无法进行下一步。
作者:黑洞官方问答小能手
链接:https://www.pythonheidong.com/blog/article/1895307/fd088ad3ef59729e375b/
来源:python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容:(最多支持255个字符)
---无人问津也好,技不如人也罢,你都要试着安静下来,去做自己该做的事,而不是让内心的烦躁、焦虑,坏掉你本来就不多的热情和定力
Copyright © 2018-2021 python黑洞网 All Rights Reserved 版权所有,并保留所有权利。 京ICP备18063182号-1
投诉与举报,广告合作请联系vgs_info@163.com或QQ3083709327
免责声明:网站文章均由用户上传,仅供读者学习交流使用,禁止用做商业用途。若文章涉及色情,反动,侵权等违法信息,请向我们举报,一经核实我们会立即删除!