在我的项目中,我需要转换成双栏格式的pdf。基本上,我需要将它们转换成文本文件,我使用了pdfminer,但顺序完全是一团糟(当涉及到双栏,即IEEE论文)。我刚试着用docx把一个双列word(docx)文件转换成文本,它几乎可以用文本(而不是表格和等式)来工作。
这就是为什么我在考虑是否可以像一些在线工具,即Nitro Cloud一样,将pdf转换为word,以保持完整的顺序。但是我需要使用python编程/python包来完成这个转换。在
谁能给我一些见解吗。
使用pdfminer编写代码(我最初尝试过)。在from pdfminer.pdfinterp import PDFResourceManager, process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from cStringIO import StringIO
from cStringIO import StringIO
def convert_pdf_to_txt(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
p1="C:\\sample\\samp.pdf"
c1=convert_pdf_to_txt(p1)