Конвертировать PDF в текст - сохранить строки таблицы - Python

Question

У меня есть таблицы в pdf-документах, которые я хочу преобразовать в текст. Я нашел следующий код, который преобразует PDF в текст. Однако при преобразовании он не сохраняет данные в правильных строках. Он помещает все в одну длинную строку. Есть ли способ сохранить строки в таблице при преобразовании в текст из PDF с использованием Python?

from pdfminer.pdfparser import PDFDocument, PDFParser
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter, process_pdf
from pdfminer.pdfdevice import PDFDevice, TagExtractor
from pdfminer.converter import XMLConverter, HTMLConverter, TextConverter
from pdfminer.cmapdb import CMapDB
from pdfminer.layout import LAParams
from cStringIO import StringIO

def convert_pdf(path):

    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)

    fp = file(path, 'rb')
    process_pdf(rsrcmgr, device, fp)
    fp.close()
    device.close()

    str = retstr.getvalue()
    retstr.close()
    return str

Answer 1

Pdfminer поставляется с инструментом извлечения текста pdf2txt.py , который имеет возможность анализировать макеты.Вы можете попробовать использовать это или изучить его, чтобы увидеть, как оно работает.

Answer 2

A-PDF в текст конвертировать PDF лучше с таблицами, как другие инструменты!