如何在python中将从PDF提取的文本格式化为json

我使用pyPDF2提取了一些文本格式的发票PDF。我想将这个文本文件转换成只包含重要关键字和标记的json文件

输出应该类似于：

#PurchaseOrder

{

}

我从pdf中获得的示例文本是：

佩斯会员软件 房子

4115低语松圈

德克萨斯州大草原75051

972 336 7141

56929268

采购订单

致：

华美华

A+投资

切鲁洛道1223号

肯塔基州列克星敦40507

[电话号码]

装运至：

颜桂冠

步调 会员仓库

4115低语松圈

德克萨斯州大草原75051

972 336 7141

邮政编码：

PO/18 19081

[采购订单编号必须为 出现在所有相关的 通信、航运 文件和发票]

订购日期

申购人

经由

离岸价点

条件

7/15/2006

数量

单位

描述

单价

总数 （新加坡元）

100.00

一,

连锁Drifit圆领，ILRN

13.50

1350.00

小计

1350.00

销售税

200.00

一,

请寄两份你的申请表 发票

二,

根据价格、条款和条件输入此订单， 交付方法和上述规格

三,

如果您不能按要求发货，请立即通知我们 指定的

四,

将所有信件发送至：

颜桂冠

4115低语松圈

格拉 德克萨斯州第二大草原75051号

972 336 7141

56929268

航运和装卸 G

其他

总数

1550.00

授权 颜桂冠

---

2006年7月15日

您已经提供了文本，编辑您的帖子以删除地址可能是个好主意

要回答您的问题，您必须逐行循环阅读此文本，记录所需的部分，并将其保存到json

若你们只想通过位置得到页面的子集，那个么这是以前问过的

---

您已经提供了文本，编辑您的帖子以删除地址可能是个好主意

要回答您的问题，您必须逐行循环阅读此文本，记录所需的部分，并将其保存到json

若你们只想通过位置得到页面的子集，那个么这是以前问过的

"doctype":"PO",

"orderingcompany":"Demo Company",

"suppliercompany":"Demo Company",

"shipto":"Test Customer",

"ponum":"PO1234",

"podate":"01-01-2019",

"totalamount":"$1234.50",

"currency":"SGD"