python 提取pdf报关单中的文字

422566739

我用pymupdf库提取的时候 主要问题是 项号 商品编码 商品名称及规格型号 ****征免这一行 不能与 底下的数据对应起来（底下的数据不是按照从左到右的顺序）有碰到同样问题的小伙伴 回复下谢谢大家

wanghan519

我用poppler试了一下，不添加-raw参数时数据是乱的，添加-raw后数据比较有规律，不知道那个库是否有类似的参数
-raw                 : keep strings in content stream order

422566739

wanghan519 发表于 2024-2-22 20:56
我用poppler试了一下，不添加-raw参数时数据是乱的，添加-raw后数据比较有规律，不知道那个库是否有类似的 ...

提取的数据 巴西还是在最左边，最左边应该是 项号的数据（第一列） 第二列是商品编码，

sheeboard

https://zhuanlan.zhihu.com/p/518092694
自己慢慢调参数，不然直接合并结果list也可以。