如何从Python列表中提取变化的文本?

问题描述

我是新手,所以想寻求帮助-我正在做一个项目,需要从PDF中提取文本并将其存储在表格中(excel)。尽管我可以使用pdfplumber将文本提取并切成列表,但由于每次更改都无法提取所需信息。示例:

['\x00','\x01','¼','Proof','of','Proposition','11.','3','gives:','m','ffiffiffiffiffiffiffiffiffiffiffiffi','ð','Þ','i','A1','\x1bsi','2','pici\x14pi','¼A1','\x1bmri2i2','ici\x14pi','¼1\x00mJi2i',';','Ji',':¼','\x1bri','ici\x14pi.','So','¼\x00Jiþ','Ji2þ4Ji,whichincreases','in','J.','New','YorkUniversity']

我需要将此“新大学”存储在我的表中。但是有时候像这个例子中会有更多的数据。

['cohort','level','at','www.equality-of-opportunity.org)','tostudy','the','effectsoflocal','policy','changes.','HarvardUniversity','andNBER','University','California,','Berkeley,andNBER','This','content','downloaded','from']

在这里,我需要提取两次哈佛大学和两次伯克利大学。

什么是最好的方法?如果只有一所大学,那没关系,但我很难继续录入几本书。

非常感谢您提出的任何建议! :)

解决方法

暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!

如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@)

相关问答

依赖报错 idea导入项目后依赖报错,解决方案:https://blog....
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下...
错误1:gradle项目控制台输出为乱码 # 解决方案:https://bl...
错误还原:在查询的过程中,传入的workType为0时,该条件不起...
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct...