如何解决如何从Python列表中提取变化的文本?
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! :)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。