Python 如何从PDF到Excel的坐标中提取文本

对python来说非常陌生。我使用了以下代码：

from pdfminer.layout import LAParams, LTTextBox
from pdfminer.pdfpage import PDFPage
from pdfminer.pdfinterp import PDFResourceManager
from pdfminer.pdfinterp import PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator

fp = open('Card.pdf', 'rb')
rsrcmgr = PDFResourceManager()
laparams = LAParams()
device = PDFPageAggregator(rsrcmgr, laparams=laparams)
interpreter = PDFPageInterpreter(rsrcmgr, device)
pages = PDFPage.get_pages(fp)

for page in pages:
    print('Processing next page...')
    interpreter.process_page(page)
    layout = device.get_result()
    for lobj in layout:
        if isinstance(lobj, LTTextBox):
            x, y, text = lobj.bbox[0], lobj.bbox[3], lobj.get_text()
            print('At %r is text: %s' % ((x, y), text))

输出如下所示：

At（245.76685.4898）是文本：语句

At（99.36538.749799999999）是text:Type

At（210.0538.74979999999）是文本：详细信息

At（310.8538.74979999999）为文本：参考

我想将特定文本放入CSV中的列中，例如（99.36538.74979999999）处的任何文本都可以进入第1列，等等

---

我该怎么做？

您可以使用

pandas

执行此任务：

import pandas as pd

df_results = pd.DataFrame()
for lobj in layout:
    x, y, text = lobj.bbox[0], lobj.bbox[3], lobj.get_text()
    collected_data = {'x': x, 'y': y, 'text': text}
    data = pd.Series(collected_data)
    df_results = df_results.append(data, ignore_index=True)

df_results.to_csv('coordinates_data.csv')

---

它将数据收集到数据框中，然后另存为csv。

您可以使用

熊猫

执行此任务：

import pandas as pd

df_results = pd.DataFrame()
for lobj in layout:
    x, y, text = lobj.bbox[0], lobj.bbox[3], lobj.get_text()
    collected_data = {'x': x, 'y': y, 'text': text}
    data = pd.Series(collected_data)
    df_results = df_results.append(data, ignore_index=True)

df_results.to_csv('coordinates_data.csv')

---

它会将数据收集到数据框中，然后另存为csv。

您需要在excel中的几列中收集哪些数据？例如，第1列中的（245.76685.4898）数据，第2列中的（99.36538.7497999999999999）等。您需要在单独的列中收集

x，y，text

？是的。有什么建议吗？嗨，Zaraki，我得到了以下错误：x，y，text=lobj.bbox[0]，lobj.bbox[3]，lobj.get_text（）AttributeError:“LTCurve”对象没有属性“get_text”，你需要在excel的各个列中收集哪些数据？比如说第1列（245.76685.4898）中的数据，（99.36538.7497999999）第2列中的数据，等等你需要收集

x，y，文本

在单独的列中？完全正确。有什么建议吗？嗨，Zaraki，我得到以下错误：x，y，text=lobj.bbox[0]，lobj.bbox[3]，lobj.get_text（）AttributeError:'LTCurve'对象没有属性'get_text'