如何使用python從pdf中提取一些數學表達式？

Question

我有一個具有數學等式像PDF這樣

我試圖從 pdf 文件中提取客觀問題，並使用 python 將它們轉換為 csv 文件，這樣表格的每一行都包含一個問題，每列中有四個選項和一個正確的選項（總共六列）。 但是那個 pdf 也有那些數學方程，我不能把它們寫成 csv 文件。 是否可以像在 pdf 文件中那樣將這些方程寫入我的 csv 文件中？

Answer 1

這取決於公式在 PDF 中的表示方式。 它可以是 XObject、內嵌圖像或 unicode 文本。

試試pdfreader 。 它可以從 PDF 文檔中提取純文本、包含 PDF 命令的文本和圖像。

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