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@)