python pdfplumber : extract pdf with data split into 2 columns

Question

我收集了以下列格式存储信息的 pdf 文件:

Line no 1     Line no. 11    
Line no 2     Line no. 12
.             .
.             .
.             .
Line no 10    Line no N

我正在使用 pdfplumber库来提取 PDF 的文本内容，但是 pdfplumber 不是首先从第 1 行读取到第 10 行，然后向第 11 行前进(依此类推)，而是将第 1 行和第 11 行作为一行一起读取。考虑以下输出:

Line no 1 Line no. 11    
Line no 2 Line no. 12
.             
.             
.             

我的期望:

Line no. 1
Line no. 2
.
.
.
Line no. 11
.
.
.

这是 link到我正在尝试阅读的 pdf。

PDF 概览:

我尝试了 pdfplumber 库中带有表设置的 extract_table() 实用程序，但它没有用(引用答案 https://stackoverflow.com/a/63133876/10011503 )

我是否需要将一些特定的表设置作为参数传递给 pdfplumber.open('path_to_pdf').pages[0].extract_table() 或者是否有任何其他实用程序和/或解决方法？

Answer 1

我在上面的 PDF 部分没有看到表格。我建议你使用

Page.extract_text(...)

改为调用。

readme主文档中有一个在 https://github.com/jsvine/pdfplumber/blob/stable/examples/notebooks/san-jose-pd-firearm-report.ipynb 处提取固定宽度文本的示例这与您的药物 PDF 更相似。