有没有可能使用python从pdf导出xml数据的方法

Question

我正在尝试将pdf文件以这种格式导出到xml

  <w:p>
<w:pPr>
  <w:pStyle w:val="Heading5"/>
</w:pPr>
<w:bookmarkStart w:id="20" w:name="ssdfsdfd"/>
<w:r>
  <w:t xml:space="preserve">Ssdfsdfd</w:t>
</w:r>
<w:bookmarkEnd w:id="20"/>

这样我就不会错过字体和图像。

Answer 1

您可以尝试pdfminer 。

或pypdf2xml ，一个基于pdfminer的项目。