在 Python 3.4 中从 .PDF 或 .DOCX 查找文本位置的最佳工具答案

【问题标题】：Best tool for finding text location from .PDF or .DOCX in Python 3.4在 Python 3.4 中从 .PDF 或 .DOCX 查找文本位置的最佳工具
【发布时间】：2017-06-26 16:07:18
【问题描述】：

我目前正在处理一个项目，我必须在字符串“评论”下的 PDF 文件上放置数字签名（.JPG 文件）。

我希望能够以某种方式找到字符串“评论”的坐标或位置，然后最好将该 signature.jpg 放在其下方几个坐标。

最初，该文件是 (.doc) 而不是 (.pdf)。首先在 (.doc) 上找到字符串“评论”的位置然后将其转换为 (.PDF) 会更容易吗？如果是这样，我将如何在 Python 中的（.doc）文件上找到“评论”的位置？

谢谢

【问题讨论】：

标签： string python-3.x pdf docx text-extraction

【解决方案1】：

这是一个非常棘手的问题。您要问的不仅仅是文本搜索 - 那部分会相对容易。但是要找到页面位置，您必须从字符串返回到容器，它可能是分层嵌套的 - 就像一组嵌套的 html 元素 - 并计算位置，然后将您的 sig 文件添加到指定位置在此之下。

指定签名的位置会容易得多 - 也许让您的文具在空白处为签名保留一个位置，您知道坐标。

至于 doc 选项 - 我认为它是同样的问题，但另一种疯狂的文件格式。

【讨论】：

问题是，每个文档在页面上的不同位置都有签名行。但是，正如我所说，它始终位于“评论”一词的下方。我真的很想想办法。它也总是页面上的最后一件事，所以也许有办法找到从页边距底部到 docx 上最后一个单词的距离？
我完全明白你想要什么以及实现它的问题。老实说，以任何有用和强大的方式直接执行它都不是一件容易的事。我会查看 python pdf 库并查看它们提供的选项。也许有人已经提供了您需要的 4 样东西：1) 查找字符串，2) 给出位置，3) 在“下方”位置插入图像，4) 保存文件。
我发现了一些东西，可以让我在 docx 文件中找到字符串的索引。但我不确定如何将其翻译为特定位置。
这只是问题的一小部分。您需要通过渲染算法来确定该文本的坐标和大小，然后将您的图像添加到“附近”坐标的流中。这是一个非常复杂的问题。我知道从表面上看应该很容易，但事实并非如此。对不起。