有沒有可能使用python從pdf導出xml數據的方法

Question

我正在嘗試將pdf文件以這種格式導出到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"/>

這樣我就不會錯過字體和圖像。

Answer 1

您可以嘗試pdfminer 。

或pypdf2xml ，一個基於pdfminer的項目。