有没有大佬，知道怎么提取多个pdf里面的首页的文字

c672569644

我想要提取多个不同pdf首页的特定的准确的文字和数字，然后导出到一个表格里面。下面有提取的页面的图片，需要能够快速的提取不需要等很久那种，有没有软件能够实现或者说是什么方法能实现的。

yunpeng0543

最好有样本文件

c672569644

yunpeng0543 发表于 2024-11-27 19:55
最好有样本文件

就是一个很多页的pdf 只需要首页，然后这个pdf可以复制的

wuliaodelaohu

单独提取首页的好像没见过这种。

jidesheng6

你这基本上属于客制化了，自己写软件，或者找人写。只有这个方案。

丨丶落尘

苦逼的投标人

lzladui

这个太专业了，搞不来

helian147

[Python] 纯文本查看 复制代码

import fitz

pdf_file = "xxx.pdf"
doc = fitz.open(pdf_file)
text = doc[0].get_text()
print(text)

for line in text.split("\n"):
    if '投标报价' in line:
        print(line)

这个fitz模块可以提取PDF页面文字。

MQ19781011

pdf 拆分就可以啦

c672569644

helian147 发表于 2024-11-27 20:19
[mw_shl_code=python,true]import fitz

pdf_file = "xxx.pdf"

ok,我去试试