亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python實現(xiàn)讀取學術論文PDF文件內容

 更新時間:2024年10月23日 09:19:44   作者:IT修煉家  
這篇文章主要為大家詳細介紹了如何通過python實現(xiàn)讀取學術論文PDF文件內容的功能,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下

1、PyPDF2

PyPDF2 是一個常用的庫,可以用來讀取、合并、分割和修改PDF文件。讀取pdf內容:

import PyPDF2

# 打開PDF文件
with open('ELLK-Net_An_Efficient_Lightweight_Large_Kernel_Network_for_SAR_Ship_Detection.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
    # 獲取頁面數(shù)
    num_pages = len(reader.pages)
    print(f"頁面數(shù): {num_pages}")
    
    # 讀取每一頁的文本
    for i in range(num_pages):
        page = reader.pages[i]
        text = page.extract_text()
        print(f"第 {i + 1} 頁的內容:\n{text}")

結果如下:

效果: 可以看出,讀取是從左往右,從上往下,文本內容讀取的還挺全的,但是圖片、表格都讀不出來。

2、pdfplumber

pdfplumber 是一個功能強大的庫,專門用于提取PDF文件中的文本和表格數(shù)據(jù)。讀取PDF內容:

import pdfplumber

# 打開PDF文件
with pdfplumber.open('example.pdf') as pdf:
    for i in range(len(pdf.pages)):
        page = pdf.pages[i]
        text = page.extract_text()
        print(f"第 {i + 1} 頁的內容:\n{text}")

結果如下:

效果: 看結果,這個庫讀取PDF是一整行一整行讀取的,當文檔內容是兩頁的時候,兩列同一行會被同時讀取。看別人說讀取表格方便,但是這里也沒讀取出來,具體如下圖所示。

此外,使用table = page.extract_table()單獨讀取有表格的頁,輸出結果為None

3、PyMuPDF

PyMuPDF 是另一個高效的庫,可以處理PDF文件,支持文本提取、圖像提取等功能。讀取pdf如下:

import fitz  # PyMuPDF
from PIL import Image
import io
# 打開PDF文件
doc = fitz.open('ELLK-Net_An_Efficient_Lightweight_Large_Kernel_Network_for_SAR_Ship_Detection.pdf')
for page_number,page in enumerate(doc):
    text = page.get_text()
    print(f"第 {page.number + 1} 頁的內容:\n{text}")
    # 獲取頁面中的所有圖片
    image_list = page.get_images(full=True)
    # 遍歷所有圖片
    for img_index, img in enumerate(image_list):
        # 圖片的XREF
        xref = img[0]
        # 獲取圖片對象
        base_image = doc.extract_image(xref)
        # 獲取圖片的二進制數(shù)據(jù)
        image_bytes = base_image["image"]
        # 將二進制數(shù)據(jù)轉為PIL圖像
        image = Image.open(io.BytesIO(image_bytes))
        # # 左右翻轉
        # image = image.transpose(method=Image.FLIP_LEFT_RIGHT)
        # 上下翻轉
        image = image.transpose(method=Image.FLIP_TOP_BOTTOM)
        # 獲取圖片的擴展名
        image_ext = base_image["ext"]
        # 保存圖片
        # with open(f"page_{page_number + 1}_img_{img_index + 1}.{image_ext}", "wb") as image_file:
        #     image_file.write(image_bytes)
        image.save(f"page_{page_number + 1}_img_{img_index + 1}.{image_ext}")
        print(f"第 {page_number + 1} 頁中提取的圖片 {img_index + 1} 已保存。")

讀取效果如下:

效果:文字提取效果與PyPDF2差不多,不同點是遇到大的空格會直接換行??梢宰x取圖片,我這里發(fā)現(xiàn)讀取的圖片需要上下翻轉。插入的圖片可以直接讀取,但是流程圖可能因為是visio畫的,讀取不出來。另外,三線表格還是沒有讀取出來。

4、pdfminer

pdfminer.six 是一個專注于從PDF文件中提取文本和元數(shù)據(jù)的庫。讀取PDF如下:

from pdfminer.high_level import extract_text

# 提取文本
text = extract_text('example.pdf')
print(text)

讀取結果:

效果: 讀取結果整體空行多。讀取方式按行讀取,有左右兩列的時候,哪一列先讀到就讀哪一列,因此順序可能會錯亂,就像上面結果圖一項,該頁內容先讀取的右邊的列。

總結

看網(wǎng)上的說法是:

PyPDF2:適合基本的PDF操作,如合并和提取文本。

pdfplumber:非常適合提取文本和表格。

PyMuPDF:功能強大,處理速度快,支持多種操作。

pdfminer.six:更適合復雜的文本提取需求。

但在讀取類似上面這樣的論文文檔時,PyPDF2和PyMuPDF感覺好用點。

到此這篇關于python實現(xiàn)讀取學術論文PDF文件內容的文章就介紹到這了,更多相關python讀取PDF內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • 10 行Python 代碼實現(xiàn) AI 目標檢測技術【推薦】

    10 行Python 代碼實現(xiàn) AI 目標檢測技術【推薦】

    這篇文章主要介紹了10 行Python 代碼,實現(xiàn) AI 目標檢測技術,看完了代碼,我們在一起聊聊目標檢測背后的技術背景,并解讀這10行Python代碼的由來和實現(xiàn)原理。感興趣的朋友跟隨小編一起看看吧
    2019-06-06
  • Python用字典構建多級菜單功能

    Python用字典構建多級菜單功能

    這篇文章主要介紹了Python用字典構建多級菜單功能,本文通過實例代碼給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下
    2019-07-07
  • 分享幾種python 變量合并方法

    分享幾種python 變量合并方法

    這篇文章主要介紹了分享python 變量的合并幾種方法,分享內容有l(wèi)ist 合并和str 合并以及dict 合并的分析,下面具體方法介紹,需要的小伙伴可以參考一下
    2022-03-03
  • 關于Python使用logging庫進行有效日志管理的方法詳解

    關于Python使用logging庫進行有效日志管理的方法詳解

    在開發(fā)大型軟件或處理復雜問題時,我們經(jīng)常需要一種方法來記錄和跟蹤程序的運行狀態(tài),Python 提供了一個名為 logging 的標準庫,可以幫助我們更好地完成這項任務,在這篇文章中,我們將介紹如何使用 Python 的 logging 庫進行日志記錄
    2023-06-06
  • python geemap的安裝步驟及環(huán)境配置

    python geemap的安裝步驟及環(huán)境配置

    geemap是基于GEE由吳秋生老師二次開發(fā)的一個包,geemap主要使用python來進行實現(xiàn)相關功能,這篇文章主要介紹了geemap的詳細安裝步驟及環(huán)境配置,需要的朋友可以參考下
    2022-08-08
  • python numpy中的polyfit函數(shù)用法

    python numpy中的polyfit函數(shù)用法

    這篇文章主要介紹了python numpy中的polyfit函數(shù)用法,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2024-04-04
  • Python處理excel根據(jù)全稱自動填寫簡稱

    Python處理excel根據(jù)全稱自動填寫簡稱

    這篇文章主要為大家詳細介紹了Python處理excel根據(jù)全稱自動填寫簡稱,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2021-03-03
  • Python編寫車票訂購系統(tǒng)?Python實現(xiàn)快遞收費系統(tǒng)

    Python編寫車票訂購系統(tǒng)?Python實現(xiàn)快遞收費系統(tǒng)

    這篇文章主要為大家詳細介紹了Python編寫車票訂購系統(tǒng),Python實現(xiàn)快遞收費系統(tǒng),文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2022-08-08
  • Python實現(xiàn)自定義讀寫分離代碼實例

    Python實現(xiàn)自定義讀寫分離代碼實例

    這篇文章主要介紹了Python實現(xiàn)自定義讀寫分離代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2019-11-11
  • Python程序運行原理圖文解析

    Python程序運行原理圖文解析

    這篇文章主要介紹了Python程序運行原理圖文解析,分享了相關代碼示例,小編覺得還是挺不錯的,具有一定借鑒價值,需要的朋友可以參考下
    2018-02-02

最新評論