pdfminer无法从不可编辑(即平面化) PDF表单的字段中提取文本和坐标
pdfminer是一个用于解析PDF文件的Python库。它可以用于提取PDF文档中的文本、图像和元数据等信息。然而，pdfminer在处理不可编辑的PDF表单时可能会遇到一些问题，无法从字段中提取文本和坐标。
不可编辑的PDF表单是指已经被转换为平面化的PDF文件，其中的表单字段无法被编辑或填写。这种类型的PDF表单通常是通过扫描纸质表单或使用其他工具生成的，而不是通过PDF编辑器创建的。
由于pdfminer主要用于解析PDF文件的结构和内容，它对于不可编辑的PDF表单可能无法正确解析字段的文本和坐标信息。这是因为平面化的PDF表单将表单字段转换为静态图像，而不是保留原始的文本和坐标信息。
在这种情况下，如果需要从不可编辑的PDF表单中提取文本和坐标信息，可以考虑使用其他工具或库来处理。一种常见的方法是使用OCR（光学字符识别）技术，将图像中的文本转换为可编辑的文本。常见的OCR工具包括Tesseract、ABBYY FineReader等。
另外，如果需要处理PDF表单，建议使用可编辑的PDF表单，以便能够直接提取字段的文本和坐标信息。对于可编辑的PDF表单，可以使用pdfminer库的相关功能来提取字段信息。
腾讯云提供了一系列与PDF处理相关的产品和服务，例如腾讯文档转换（PDF转换）服务，可以将PDF文件转换为其他格式的文件，如Word、Excel、PPT等。您可以通过腾讯云文档转换服务的官方文档了解更多信息和使用方法。
腾讯云文档转换服务官方文档链接：https://cloud.tencent.com/document/product/1042
相关·内容
我正在尝试使用pdfminer从填充的PDF表单中提取所有单词/文本以及每个单词的坐标，这些表单不再可编辑(即它们是扁平化的，而不是acroforms)。我只能提取字段之外的文本和坐标。“可以提取。但“迪斯尼乐园”、“米奇”等不能。 因此，在我使用
浏览 38提问于2021-04-28得票数 1
1回答
我正在尝试使用提取已填好的内容，格式为pdf。有关存取pdf的说明如下：
from pdfminer.pdfparser import PDFParser
浏览 2提问于2016-12-15得票数 1
2回答
我有一个可编辑的pdf。我想填写pdf中的空白字段，如名字，姓氏，电子邮件。我在php中使用了FPDF和FPDI。首先，我包含了fpdf和fpdi文件。创建一个函数。我的代码如下。$pdf = new FPDI();$path = base_url().'uploads/test.pdf';
浏览 3提问于2015-11-13得票数 0
2回答
我正在使用python pdfminer库(参见docs)从pdf文件中提取文本。 然而，pdfminer似乎无法提取某些文件中的所有文本，而是提取LTFigure对象。假设从这个对象的位置，它“覆盖”了一些文本，因此这个文本没有被提取出来。pdf文件和包含从pdf提
浏览 149提问于2021-01-28得票数 0
回答已采纳
我正在尝试从pdf文件中提取文本(类似于表单)。目前，我在Chrome上打开文件，选择/复制所有文本，将其粘贴到txt文件中，然后使用Python将其处理为CSV。Chrome让我的数据非常结构化和统一，这样pdf的每一页都会产生类似的文本块，让我可以轻松地处理它。我试图直接从pdf中提取文本，以将其处理为CSV格式，但由于原始
浏览 35提问于2021-06-16得票数 0
我目前的策略是使用LibreOffice创建一个包含可编辑pdf字段的文档，或者我猜它们被称为"“。我不确定，因为我找不到定义。但无论如何，我认为所有这些都是"AcroFields"：但是，如果我将所有这些都放入表单中并导出为pdf格式，那么其中只有一些显示为AcroFields：
var reader = newPdfReader(File.ReadAllBytes("abc.pdf</em
浏览 0提问于2019-03-13得票数 0
如何使用PDFBox从PDF中提取对角水印文本？ Writer output = new OutputStreamWriter(System.out, StandardCharsets.UTF_8etObj.extractPages(1, rawDoc.getNum
浏览 6提问于2021-12-02得票数 2
1回答
所以我有一个用于议程的模板pdf，我想知道的是我如何检测日期应该在哪里。
假设在模板中有单词“DATE：”。在那之后，我想在空格旁边添加相应的日期/文本，这样我就可以检测到“DATE：”，在写完之后，它看起来像是“DATE:13/02/2020”，并将其保存为新的pdf。
浏览 2提问于2020-02-14得票数 0
我尝试使用pdfMiner解析pdf文件文本，但提取的文本被合并。我使用的是以下链接中的pdf文件。
from p
浏览 0提问于2013-04-01得票数 8
我正在使用下面的代码试图从PDF表格中提取文本，该表单最初是用MS制作的，然后在Acrobat中转换成一个表单。在doc属性中，它表示Acrobat PDFMaker 22。values = decode_value(values)
我无法提取文本并得到此错误我应该补充一点，当使用仅用A
浏览 15提问于2022-05-18得票数 2
我需要关于tesseract的建议。我尝试过使用Tesseract，但效果并不完美。很多信息都丢失了。我想扫描法国车辆的登记证书，我必须将数据恢复到数据库中。是否有可能检测到本文档中的每个区域并将此信息保存在数据库中？我在网上读过，只用Tesseract是不可能检测到区域的？示例：如何恢复每个区域的文本</e
浏览 19提问于2017-02-17得票数 0
我喜欢创建一个PDF，其中包括打印的日期和时间，当它被打印。因为实际上更改PDF内容需要一个PDF编辑器，我认为需要使用PDF表单(即包含可填充表单的PDF )，其中一个文本字段将自动更新当前的日期和时间。PDF的实际创建不是这个问题的目标
浏览 4提问于2011-03-22得票数 4
回答已采纳
13回答
有没有python模块可以把PDF文件转换成文本？我尝试了在Activestate中找到的，它使用pypdf，但生成的文本之间没有空格，也没有任何用处。
浏览 3提问于2008-08-25得票数 408
回答已采纳
3回答
从html填写PDF表单
、、、
我有一个PDF格式的表格，我想通过网站填写。基本上，我试图完成的是建立HTML表单，并有表单的答案转移到预先制作的PDF表单，然后保存在计算机上。我该怎么做呢？
浏览 0提问于2014-10-18得票数 1
3回答
我想要提取所有的文本框和文本框坐标从一个PDFMiner文件。489, 41, "Signature"630, 202, &quo
浏览 6提问于2014-04-07得票数 40
回答已采纳
1回答
我的项目涉及从使用开源库的一堆PDF表单文件中读取文本。在获取以下文本数据方面没有问题：cnt = len(reader.pages)lines = page.extract_text().splitlines()
print
浏览 6提问于2022-08-23得票数 0
我正在尝试从电子签名的PDF表单中提取字段名和相应的字段值，我将其上传到Adobe 并获得了电子签名。参见链接：。
在上传PDF表单之前，它是Acroform，即包含表单字段的可编辑PDF。从Acroform中，我能够使用PDFTK提取字段名和</e
浏览 5提问于2021-06-07得票数 0
我有一个Adobe表单文档，其中有一个日期字段。我使用pdfminer函数提取值。我需要解决的问题是，Acrobat阅读器中的用户可以输入字符串，如april 3rd 2017或3rd April 2017、Apr 3rd 2017或04/04/2017以及4 3 2017。现在Adobe中的date字段设置为mm/dd/yyyy格式，因此当用户输入上面的值之一，即</
浏览 3提问于2017-04-15得票数 1
回答已采纳
3回答
我找不到关于PDF文件的元数据中的关键字和关键字短语是用逗号分隔还是用带空格的逗号分隔的“正式”文档。下面的示例演示了两者之间的区别：
我在网上找到的资料质量很低。例如，说“关键字必须用逗号或分号分隔”，但在示例中，我们看到在第一个关键字之前有一个带有以下空格的分号，以
浏览 4提问于2017-06-17得票数 14
1回答
我试图将输入的多个可填充的pdf-表单中的数据转换为一个csv文件。此代码由以下几个步骤组成：
import globimport
浏览 1提问于2015-07-20得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
