使用Python的Tika解析PDF文本无法处理垂直文本有任何想法吗？

问题描述

我正在尝试使用Python Tika库从PDF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。

例如单词

读取为：

V
al

ue
s  

还有许多其他这样的实例，其中垂直文本没有正确解析。我尝试使用其他库，例如pypdf2，pdfminer3，pdfplumber等。但是对于大多数库，文本的顺序不正确。蒂卡能够给出最好的结果。

有关如何解决此问题的任何想法？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)

还有其他我应该注意的可选参数吗？

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@）