python提取pdf与word中的相关信息

Marvel90 2012-11-16 03:58:56

对于正式发表的电子版pdf和word论文，需要用python脚本从文件的文本中提取其中的标题、作者、摘要、keyword信息，不考虑图片形式的pdf，数据量不大，效率重要度不大，已了解pypdf和pdfminer，不知如何实现，大家能否给个思路，谢谢！

...全文

735 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

willgowell 2015-07-18

打赏
举报

回复

楼主的问题解决了么？我现在也是遇到了像楼主一样的问题

zhaoqfeng 2012-12-07

打赏
举报

回复

work可使用win32com吧

Gloveing 2012-11-17

打赏
举报

回复

pdf：看pypdf和pdfminer的开发文档 word：使用其COM接口

python提取PDF与Word中图片，并结合GUI框架PysimpleGUI，做一个多文件图片提取软件并打包。

用Python实现的一个小工具，下载包包含源码和编译后打包的可执行文件。可以根据配置从PDF文档里面提取一些关键字并写入Excel，此工具适合转换一些批量的固定格式模板的PDF到Excel, .Docx文档可以用Word先转为PDF再使用此工具 PDF2Excel 目录下为python源码 PDF2Excel/dist 下为打包好相关依赖的可执行文件 config.ini文件为配置文件，可以配置想提取的关键字和位置信息配置文件说明： [keyword-n] --标识要提取的第n个关键字相关信息 name=姓名 --标识具体的关键字 shift=3 --提取目标内容相对关键字的偏移量，可以是负值，表示目标内容在关键字左侧，具体偏移几个字符可以预估，然后测试微调 length=3 --提取目标字符的长度命令行显示“存放文档的文件夹名称” 是指源PDF文档位置，可以根据自己的文件夹命名输入

Microsoft Office办公软件中的word是一个功能非常强大的文档编辑软件。通过它,我们可以编辑、修改和排版想要的文档内容,并且还能够提取目录、转换PDF等。但是以上操作都是一次只对一个文档进行编辑,如果想要进行批量操作,那么必须一个一个手动操作,十分麻烦。如果有一个工具可以实现批量操作,将会十分方便。因此,本章将使用 Python语言开发一个Word助手,该软件可以很方便地将多个Word文档转换为PDF文件,并可以提取页码、提取总目录。

具体的操作步骤如下：（1）实现Word转PDF。（2）实现提取Word文档页码。（3）统计提取总目录本系统的软件开发及运行环境具体如下。 操作系统：Windows 7、Windows 10。 Python版本：Python 3.7.1。 开发工具：PyCharm Python内置模块：os、_thread、sys、codecs、re。第三方模块：PyQt5、pyqt5-tools、PyPDF2、pywin32。

使用60行python代码实现提取pdf文档上面的文字转word文档的功能

37,719

社区成员

34,239

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章