如何将pdf转换为xml文件

Question

我在网上下载了一本pdf格式的书，想在我的ios项目中使用这本书。所需格式为 xml。格式如下：

<q>question here</q>
<a>answer here</a>
<q>question2</q>
<a>answer2</a>

pdf格式如下：

               the question is centered
    the answer has several paragraphs that start with 4 white space. 

    This is another paragraph
               This is the second question and so on

    This is the answer to the second question

               The third question and there may be a blank line above
    This is the 4th question and no blank line above

我尝试使用 word/pages 将 pdf 转换为 txt 并逐行阅读文本，但我无法识别问题和答案。另一个问题是当我进行转换时，pdf 的自动换行被转换为换行符。

注意：流程是

pdf -> use word/pages -> txt -> python program -> xml -> python program -> sqlite database

关键部分是如何将 pdf 转换为正确的 xml 文件。

Answer 1

恕我直言，您可以从 github.com 或其他地方找到一个可用、开源且友好的 pdf 查看器。然后您可以解析转换后的文本并生成 xml。