如何从PDF上的坐标中提取文本到Excel

问题描述

Python的新手。我使用了以下代码：

from pdfminer.layout import LAParams,LTTextBox
from pdfminer.pdfpage import pdfpage
from pdfminer.pdfinterp import PDFResourceManager
from pdfminer.pdfinterp import pdfpageInterpreter
from pdfminer.converter import pdfpageAggregator

fp = open('Card.pdf','rb')
rsrcmgr = PDFResourceManager()
laparams = LAParams()
device = pdfpageAggregator(rsrcmgr,laparams=laparams)
interpreter = pdfpageInterpreter(rsrcmgr,device)
pages = pdfpage.get_pages(fp)

for page in pages:
    print('Processing next page...')
    interpreter.process_page(page)
    layout = device.get_result()
    for lobj in layout:
        if isinstance(lobj,LTTextBox):
            x,y,text = lobj.bBox[0],lobj.bBox[3],lobj.get_text()
            print('At %r is text: %s' % ((x,y),text))

输出如下：

在（245.76，685.4898）上是文本：STATEMENT

在（99.36，538.7497999999999）是文本：类型

在（210.0，538.7497999999999）是文本：详细信息

在（310.8，538.7497999999999）是文本：参考

我想将特定文本放入CSV的列中，例如（99.36，538.7497999999999）处的任何文本都将进入第1列，等等

我将如何处理？

解决方法

您可以使用pandas来完成此任务：

import pandas as pd

df_results = pd.DataFrame()
for lobj in layout:
    x,y,text = lobj.bbox[0],lobj.bbox[3],lobj.get_text()
    collected_data = {'x': x,'y': y,'text': text}
    data = pd.Series(collected_data)
    df_results = df_results.append(data,ignore_index=True)

df_results.to_csv('coordinates_data.csv')

它将数据收集到数据框中，然后另存为csv。