如何解决使用Python的Tika解析PDF文本无法处理垂直文本有任何想法吗?
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?
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。