我想写一个这样的函数：
输入：一个 PDF 文件，一个字符串（PDF 是可搜索的 - 例如，它是由 MS Word 创建的） 输出：PDF文件中字符串的页面和位置（坐标：x和y），如果有的话。
你能给我一些提示（什么库，方法，...）用 Python 做吗？
非常感谢
【问题讨论】：
您可能需要检查PDF specification 7.7 文档结构和 9. 文本以至少对文本在 PDF 中的存储方式有一点想象。
方法：
使用 Page Tree 遍历每个页面包含 Page Objects，我们在其中搜索其 Contents 字段。该字段的内容基本上是Postscript语言描述的页面元素。
示例：
文本 ABC 放置在距页面底部 10 英寸和距左边缘 4 英寸处，使用 12 点 Helvetica。
BT
/F13 12 Tf
288 720 Td
(ABC) Tj
ET
里面的字符串可以表示为：
文字字符串 (7.3.4.2) - 这非常简单，因为您只需遍历 "(.*?)" 的数据
十六进制字符串 (7.3.4.3) - 这是一个棘手的问题，因为我们必须先对数据进行解码，然后才能与要搜索的字符串进行比较。
在我们匹配字符串之后，剩下的最后一件事就是找出它的位置。这基本上需要解析 Postscript 语言。
我提到的大部分内容已经在许多产品中实现（itext、GhostScript、...），您可以轻松地阅读它们作为参考实现。
我个人对基于 python 的 PDF 库没有任何经验，你应该自己解决这个问题。
【讨论】：