我正在尝试使用Python Tika库从PDF中提取文本。图书馆正在按我想要的顺序提取文本。但是,它无法处理垂直对齐的文本
比如说这个词,
全文如下:
V
al
ue
s
还有许多其他这样的实例,垂直文本没有正确解析。我尝试使用其他库,如pypdf2、pdfminer3、pdfplumber等。。但对他们中的大多数人来说,文本的顺序是不正确的。蒂卡能够给出最好的结果
关于如何解决这个问题有什么想法吗?我使用了最简单的代码,如下所示:
from tika import parser
file_data = parser.from_file("sample.pdf")
text = file_data['content']
print(text)
是否有任何其他可选参数我应该知道
目前没有回答
相关问题 更多 >
编程相关推荐