pdf文件是来自ietf的rfc文档,pdf文件数据如图一。
我需要实现的功能是将pdf解析成xml或html,从而取出文章中的各种部分的信息。单从内容来看,内容有点像是xml格式,但是我无法使用xml.etree来解析。
我目前使用的是fitz,但是解析出来的html效果如图二所示,pdf文件中所有标签的属性均消失了,只剩下了文本内容。这样解析出来的内容,我很难去定位信息位置。
所以,请问一下,该如何将这种样子的pdf文件解析成xml或者html文件(最好直接沿用原先的标签名和属性)?
如何使用python将pdf解析成xml或者html
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
1条回答 默认 最新
悬赏问题
- ¥30 模拟电路 logisim
- ¥15 PVE8.2.7无法成功使用a5000的vGPU,什么原因
- ¥15 is not in the mmseg::model registry。报错,模型注册表找不到自定义模块。
- ¥15 安装quartus II18.1时弹出此error,怎么解决?
- ¥15 keil官网下载psn序列号在哪
- ¥15 想用adb命令做一个通话软件,播放录音
- ¥30 Pytorch深度学习服务器跑不通问题解决?
- ¥15 部分客户订单定位有误的问题
- ¥15 如何在maya程序中利用python编写领子和褶裥的模型的方法
- ¥15 Bug traq 数据包 大概什么价