python - 如何使用pdfminer从python中的pdf中提取字段

Question

我有一个 pdf 表单，我需要提取电子邮件 ID、人员姓名和其他信息，如技能、城市等。我如何使用 pdfminer3 来做到这一点。 请找到附件中的 pdf 样本

Answer 1

首先，使用tika to将PDF转换为文本。

import re
import sys
!{sys.executable} -m pip install tika
from tika import parser
from io import StringIO
from itertools import islice 

file = 'filename with directory'
parsedPDF = parser.from_file(file) # Parse data from file
text = parsedPDF['content'] # Get files text content

现在使用正则表达式提取所需的字段。您可以在线找到大量的正则表达式教程。如果您在实现时遇到任何问题，请在此处提问。