pdfquery 不返回 BBOX 中的值答案

【问题标题】：pdfquery not returning values in BBOXpdfquery 不返回 BBOX 中的值
【发布时间】：2017-12-23 16:03:40
【问题描述】：

我正在尝试使用 pdfquery 库在 pdf 的所需 bbox 中返回文本。

import pdfquery

pdf = pdfquery.PDFQuery("C:/Users/tyler.cowan/Desktop/PDF Miner/test.pdf")

test =  pdf.extract([
      ('UWI/API', 'LTTextLineHorizontal:in_bbox("35.28,700.56,127.44,717.84")'),
 ])

print(test)

我首先从返回的页面的左上角定义了bbox

{'UWI/API': [<LTTextLineHorizontal>, <LTTextLineHorizontal>, <LTTextLineHorizontal>, <LTTextLineHorizontal>, <LTTextLineHorizontal>, <LTTextLineHorizontal>, <LTTextLineHorizontal>, <LTTextLineHorizontal>]}

然后我继续从页面的左下角定义 bbox 并返回类似的内容。然后我继续定义一个包含整个 8.5" x 11" 页面的 bbox，并返回更多值而不是所有文本。我在这里做错了什么吗？我在“快速入门”下跟随Documentation。我正在使用 python 2.7

【问题讨论】：

标签： python pdf pyquery

【解决方案1】：

它在 Bulk Data Scraping 下的那个页面下方说这句话：

（以 ('with_formatter', 'text') 开头通常很有帮助，因此您会得到类似“Michaels”而不是 [] 的结果。有关更多信息，请参阅下面的特殊关键字。 )

【讨论】：