我要建立一个脚本,将提取PDF文件的某些功能。我对每个文件的提取输出如下:
obj 8
endobj 8
stream 1
endstream 1
xref 1
trailer 1
startxref 1
/Page 1
/Encrypt 0
现在我需要为超过1000个文件创建这个结果的数据集。 我的最终数据集应该在这里存储每个实体的数值。 例如:
obj: 8,6,5,2,8,9
endobj:8,5,4,1,1,2,3
...
..
...
一旦我有了这些数据,我计划运行一些统计数据,比如Obj的平均值是多少等等。记住这些,什么应该是实现这一点的最理想的方法。
我计划创建一个表,其中实体将成为行,值将成为列。
我也遇到了numpy
,因为我的工作主要是数据分析,但我不确定它是否适合这种情况。
请分享你的建议
我使用python
dict
解决了这个问题。很适合我相关问题 更多 >
编程相关推荐