Я пытаюсь создать примитивный сканер для моих собственных файлов PDF. Для этого я использую Pypdf для извлечения Данных (Клиент, Продукт, Сумма и т. Д.) И использую эти данные.
Теперь у меня есть код, его довольно просто, но это не похожечтобы иметь возможность извлечь что-нибудь из моих PDF-файлов, в то время как я попробовал это на случайном PDF-файле из Google, и это работает. Я пытался использовать несколько моих документов, PDF, не работает, работает случайный PDF из Интернета.
Я использую Spyder.
Ниже приведен код, который я использую:
import PyPDF2 as p2
PDFfile=open("pdf_barrierefrei.pdf","rb") # Random PFD off the Internet
pdfread = p2.PdfFileReader(PDFfile)
x = pdfread.getPage(0)
print(x.extractText())
PDFfile.close
PDFfile=open("2.pdf","rb")
pdfread = p2.PdfFileReader(PDFfile) # My PDF
y = pdfread.getPage(0)
print(y.extractText())
PDFfile.close
Мои ожидаемые выходные данные - это строка смешанных данных, которые являются частью моего PDF-файла, такие как клиент, мое имя, дата и т. Д., Которые я затем сортирую и очищаю.
Фактический результат:либо:
" [b '\ n', b'endobj \ n ', b'11 0 obj \ n', b '<< \ n', b '/ длина1011 \ n ', b' >> \ n ', b'stream \ n', b '/ CIDInit / ProcSet findresource begin 12 dict begin begincmap / CIDSystemInfo << / Реестр (Adobe) / Порядок (UCS) / Дополнение 0>> def / CMapName / Adobe-Identity-UCS def / CMapType 2 def 1 begincodespacerange <0000> endcodespacerange 49 beginbfchar <0003> <0020> <0004> <0011> <0011> <0042> <0012> <0043> <001C><0026> <0046> <0047> <002C> <0048> <002F> <0049> <004E> <004> <004E> <004B> <004F> <0057> <0050> <005> <005> <0053> <0064> <0054> <0055> <0073> <0056> <0102> <0061> <010F> <0062><0110> <011A> <0064> <011E> <0128> <0066> <0150> <015A> <0068> <015D> <0069> <016C> <006B> <0175> <006D> <016D> <017D> <006F> <018C> <0072> <0173> <019A> <0074> <01B5> <0075> <0355> <002C> <0357> <003A> <0358> <002E> <002F> <0372> <002D> <03A6> <20AC> <03EC> <0030> <03ED> <0031> <03EE> <0032> <03F0> <0034><03F1> <00F2> <0036> <03F3> <0037> <03F5> <0039> endbfchar endcmap CMapName currentdict / CMap defineresource pop end end \ n ', b'endstream \ n', b'endobj \ n', b'10 0 obj \ n', b '[3 3 226 4 4 605 17 17 560 18 18 529 28 28 487 38 38 458 39 39 637 44 44 630 47 47 266 62 62 422 69 69 658 75 75 67687 87 532 90 90 562 94 94 472 100 100 495 104 104 652 115 115 591 258 258 493 271 271 536 272 272 418 282 282 536 286 286 503 296 296 316 336 336 474 346 346 536 349 349 245 364 364 479 373 373813 374 374 536 381 381 537 396 396 355 400 400 398 410 410 346 437 437 536 853 853 257 855 855 275 856 856 267 876 876 429 882 882 306 934 934 506 1004 1004506 1005 1005 506 1006 1006 506 1008 1008 506 1009 1009 506 1010 1010 506 1011 1011 506 1013 1013 506] \ n ', b'endobj \ n', b'7 0 obj \ n ', b' [-813 -268813 952] \ n ', b'endobj \ n', b'8 0 obj \ n ', b'813 \ n', b'endobj \ n ', b'19 0 obj \ n', b '<<\ n ', b' / длина 1207 \ n ', b' >> \ n ', b'stream \ n', b '/ CIDInit / ProcSet findresource begin 12 dict begin begincmap / CIDSystemInfo << / Registry (Adobe) /Порядок (UCS) / Дополнение 0 >> def / CMapName / Adobe-Identity-UCS def / CMapType 2 def 1 begincodespacerange <0000> endcodespacerange 63 beginbfchar <0003> <0020> <0004> <0041> <0011> <0042> <0012> <0018> <0044> <0046> <0027> <0047> <002> <002F> <0049> <003C> <004B> <003E> <004C> <0044><004D> <004E> <004B> <004F> <0057> <005A> <0052> <0053> <0053> <0054> <0068> <0055> <0073> <0056> <0074> <007F> <005A> <0102> <0061> <010F> <0062> <0110> <011A> <0064> <011E> <0065> <0128> <0066> <0150> <015A> <0068> <015D> <0069> <016C> <006B> <016F> <006C> <0175> <006D> <0176> <006E> <007F> <0189> <0070> <018C> <0072> <0073> <0198> <00DF> <019A> <0074> <01B5> <0075> <01C0> <00C1> <0077> <01CC> <007A> <0355> <002C> <0358> <002E> <002F> <0372> <002D> <039B> <0040> <03A6><20AC> <03EC> <00ED> <00ED> <03EE> <0032> <03EF> <0033> <03F0> <0034> <03F1> <0035> <03F2> <0036> <03F3> <0037> <03F4> <0038> <03F5> <0039> <0439> <0025> <043D> <002B> endbfchar endcmap CMapName currentdict / CMap defineresource pop end end \ n ',b'endstream \ n ', b'endobj \ n', b'18 0 obj \ n ', b' [3 3 226 4 4 578 17 17 543 18 18 533 24 24 615 38 38 459 39 39 630 44 44 62347 47 251 60 60 519 62 62 420 68 68 854 69 69 645 75 75 662 87 87 516 90 90 542 94 94 459 100 100 487 104 94 641 115 115 567 116 116 889 127 127 468 258 258 479 271 271 525 272 272422 282 282 525 286 286 497 296 296 305 336 336 470 346 346 525 349 349 229 364 364 454 367 367 229 373 373 798 374 374 525 381 381 527 393 393 525 396 396 348 400 400 391 408 408 527 410 410 334 437437 525 448 448 451 449 449 714 460 460 395 853 853 249 856 856 252 876 876 386 882 882 306 923 923 894 934 934 506 1004 1004 1006 1005 1005 506 1006 1006 506 1007 1007 506 1008 1006 1006 1010 1000 506 10101011 1011 506 1012 1012 506 1013 1013 506 1081 1081 714 1085 1085 498] \ n ', b'endobj \ n', b'15 0 obj \ n ', b' [-894 -268 894 952] \ n ',b'endobj \ n ', b'16 0 obj \ n', b'894 \ n ', b'endobj \ n', b'2 0 obj \ n ', b' << \ n ', b' /Количество 1 \ n ', b' / Дети [3 0 R] \ n ', b' / Тип / Страницы \ n ', b' >> \ n ', b'endobj \n ', b'1 0 obj \ n', b '<< \ n', b '/ Pages 2 0 R \ n', b '/ Тип / Каталог \ n', b '>> \ n', b'endobj \ n', b'23 0 obj \ n ', b' << \ n ', b' / Author (Schicki) \ n ', b "/ CreationDate (D: 20190913102353 + 02'00') \ n", b" / ModDate (D: 20190913102353 + 02'00 ') \ n ", b' / Производитель (Microsoft: печать в PDF) \ n ', b' / Title (Produktliste Schickmaier Excel.xlsx) \ n ',b '>> \ n', b'endobj \ n ', b'xref \ n', b'0 24 \ r \ n ', b'0000000000 65535 f \ r \ n', b'0000585703 00000 n \ r\ n ', b'0000585644 00000 n \ r \ n', b'0000581675 00000 n \ r \ n ', b'0000000009 00000 n \ r \ n', b'0000148586 00000 n \ r \ n ', b'0000148612 00000 n \ r \ n ', b'0000583508 00000 n \ r \ n', b'0000583545 00000 n \ r \ n ', b'0000148635 00000 n \ r \ n', b'0000582918 00000 n \ r \n ', b'0000581854 00000 n \ r \ n', b'0000355352 00000 n \ r \ n ', b'0000355825 00000 n \ r \ n', b'0000355852 00000 n \ r \ n ', b'000058558600000 n \ r \ n ', b'0000585624 00000 n \ r \ n', b'0000355876 00000 n \ r \ n ', b'0000584824 00000 n \ r \ n', b'0000583564 00000 n \ r \ n', b'0000577725 00000 n \ r \ n', b'0000578203 00000 n \ r \ n ', b'0000581590 00000 n \ r \ n', b'0000585752 00000 n \ r \ n ', b'trailer \ n', b '<< \ n', b '/ Информация 23 0 R \ n', b '/ Root 1 0 R \ n', b '/ размер 24\ n ', b' >> \ n ', b'startxref \ n', b'585949 \ n ', b' %% EOF \ n ']"
или половинастраница из ничего, просто «В [40]:», а затем буквально 20 предложений «ничего, ни ошибки, ни чего-либо»
Вывод, полученный случайным образом Pdf:
" Aktion Mensch eV Fachartikel —PDF-Dokume ....
16.10.03 Автор: Roland Heuwinkel 17. Октябрь 2003 Seite 1 von 24"
Этопросто случайная каракули, не заботясь о контенте, просто тот факт, что он дает мне какой-то текст.
Я действительно новичок в кодировании и не знаю, с чего начать, так как они обаPDF-файлы. Мне просто интересно, потому что я использовал «Печать в PDF» для их создания?