如何使用python从pdf中提取粗体文本？

Question

下面的列表提供了不应单独计费的项目和服务的示例。请注意，该列表并不是全部包含.。

1.手术室和服务--包括外科套间、大大小小的手术套间、治疗室、内窥镜实验室、心脏造影实验室、X光片。

2.设施基本收费-肺和心脏病程序室。医院对外科套间和服务的收费应包括上述全部护理人员服务、用品和设备。

我想要的输出如下：

1. 手术室和服务
2. 设施基本收费

第一句也是粗体，但我们需要省略这句话，我们只需要提取那些用数字表示的文本。

Answer 1

使用本守则：

import pdfplumber
import re
demo = []
with pdfplumber.open('HCSC IL Inpatient_Outpatient Unbundling Policy- Facility.pdf') as pdf: 
    for i in range(0, 50):
        try:
            text = pdf.pages[i]  
            clean_text = text.filter(lambda obj: obj["object_type"] == "char" and "Bold" in obj["fontname"])
            demo.append(str(re.findall(r'(\d+\.\s.*\n?)+', clean_text.extract_text())).replace('[]', ' '))
        except IndexError:
            print("")
            break

Answer 2

您可以使用以下代码来完成它：

import pdfplumber
with pdfplumber.open('test.pdf') as pdf: 
    text = pdf.pages[0]
    clean_text = text.filter(lambda obj: obj["object_type"] == "char" and "Bold" in obj["fontname"])
    print(clean_text.extract_text())

它使用水管工库，因此要获得更多信息，可以查看它们的文档。