推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
用 Python 把 pdf 文件转到 markdown，有什么好的库或者方案吗？
lixuda · 2021-03-06 09:55:25 +08:00 · 3055 次点击这是一个创建于 1361 天前的主题，其中的信息可能已经有所发展或是发生改变。
pdf 文件是文本可编辑类型。网上搜索了下，没有找到很好的解决办法，问问大佬，有办法吗？或者转 html，谢谢了。
 |
1
MicroBotter 2021-03-06 10:28:41 +08:00
pdf 的文本只有 pdf/a 才是可以编辑的。你是不可能对任意 pdf 转化成合理的文本。
|
|
2
MicroBotter 2021-03-06 10:29:34 +08:00
转换任意 pdf 成文本的难度和写一个识别物体的人工智能难度差不多。
|
 |
3
Latin 2021-03-06 10:32:05 +08:00
可以转换，但是样式基本就是纯文本
|
|
4
Latin 2021-03-06 10:32:27 +08:00
PDF to docx ==> html
|
 |
5
Merlini 2021-03-06 11:56:49 +08:00 via Android
pdf 转文本的话，推荐 PyMuPdf 。
改成 markdown 的话可能你得自己识别里面的字体大小了。 |
 |
6
jdhao 2021-03-06 12:05:36 +08:00 via Android
看看 pandoc 行不行
|
 |
7
SenLief 2021-03-06 12:14:54 +08:00
如果是纯文本有可能转换，要不然效率太低。
|
 |
8
encro 2021-03-06 13:58:51 +08:00
可以的。
首先转 html， 然后语义化， 转换为 h1,h2,...p 这样的， 然后换 markdown，很多格式肯定丢掉。 另外：markdown 一些解释器支持 html 好像。 |
 |
9
inframe 2021-03-06 16:17:17 +08:00
那不如先用 office 转换到 word，然后再转换
|
 |
10
omph 2021-03-06 16:35:58 +08:00
linux 倒是有 Poppler-utils，可以用其中的命令 pdftohtml，转成 html，字体大小倒是可以保留
|
Select Language