如何使用pdfmin从python中的pdf提取字段

Question

我有一个pdf表单，我需要提取电子邮件id，人名和其他信息，如技能，城市等。如何使用pdfminer3。 请查看附件中的pdf样本

Answer 1

尝试使用tika软件包：

from tika import parser

raw = parser.from_file('sample.pdf')
print(raw['content'])

Answer 2

首先，使用tika将PDF转换为文本

import re
import sys
!{sys.executable} -m pip install tika
from tika import parser
from io import StringIO
from itertools import islice 

file = 'filename with directory'
parsedPDF = parser.from_file(file) # Parse data from file
text = parsedPDF['content'] # Get files text content

现在使用regex提取所需的字段。 你可以在网上找到大量的regex教程。如果您在实现相同的功能时遇到任何问题，请在此处询问