如何使用python从pdf中提取一些数学表达式？

Question

我有一个具有数学等式像PDF这样

我试图从 pdf 文件中提取客观问题，并使用 python 将它们转换为 csv 文件，这样表格的每一行都包含一个问题，每列中有四个选项和一个正确的选项（总共六列）。 但是那个 pdf 也有那些数学方程，我不能把它们写成 csv 文件。 是否可以像在 pdf 文件中那样将这些方程写入我的 csv 文件中？

Answer 1

这取决于公式在 PDF 中的表示方式。 它可以是 XObject、内嵌图像或 unicode 文本。

试试pdfreader 。 它可以从 PDF 文档中提取纯文本、包含 PDF 命令的文本和图像。

from pdfreader import SimplePDFViewer, PageDoesNotExist

fd = open(you_pdf_file_name, "rb")
viewer = SimplePDFViewer(fd)

plain_text = ""
pdf_markdown = ""
images = []
try:
    while True:
        viewer.render()
        pdf_markdown += viewer.canvas.text_content
        plain_text += "".join(viewer.canvas.strings)
        images.extend(viewer.canvas.inline_images)
        images.extend(viewer.canvas.images.values())
        viewer.next()
except PageDoesNotExist:
    pass