我已经使用pyPDF2提取了一些文本格式的发票PDF。我想将此文本文件转换为仅包含重要关键字和令牌的json文件。
输出应该是这样的：
#PurchaseOrder
{
"doctype":"PO",
"orderingcompany":"Demo Company",
"suppliercompany":"Demo Company",
"shipto":"Test Customer",
"ponum":"PO1234",
"podate":"01-01-2019",
"totalamount":"$1234.50",
"currency":"SGD"
}
我从pdf中获得的示例文本是：
PACE会员商品
屋
4115私语松林圈
大草原，TX 75051
972
336
7141
56929268
采购订单
至：
埃尔默·华
A +投资
塞鲁洛路1223号
列克星敦（肯塔基州40507）
[电话号码]
运送到：
严月桂
步伐
会员仓库
4115私语松林圈
大草原，TX 75051
972
336
7141
邮局数：
PO / 18
19081
[邮政局号码必须
出现在所有相关
信件，运输
论文和发票]
日期
申购人
发货
F.O.B.点
条款
2006年7月15日
数量
单元
描述
单价
总
（新加坡元）
100.00
1个
Interlock Drifit圆领，ILRN
13.50
1,350.00
小计
1,350.00
销售税
200.00
1。
请发送两份您的
发票。
2。
根据价格，条款输入此订单，
交付方式和上面列出的规格。
3。
如果您无法按以下方式发货，请立即通知我们
指定。
4。
将所有信件发送至：
严月桂
4115私语松林圈
GRA
nd Prairie，TX 75051
972
336
7141
56929268
运送和处理
G
其他
总
1,550.00
被授权于
严月桂
2006年7月15日
python参考方案
您提供的文字可能是编辑帖子以删除地址的好主意
要回答您的问题，您将必须逐行遍历此文本并记录所需的部分并将其保存到json。
如果您只想按位置获取页面的子集，则之前已经询问过
How to extract text from a Specific Area in a PDF using Python?
我的json模式中具有以下模式，并且我需要根据以下模式包含逗号分隔的值。当前模式只能像DV2一样处理一种模式所以我应该如何修改我的模式以包括多个字符串，如下所示，但它应该与声明的模式匹配。例如：“ DV2”，“ DEV1”，“ DEV3”，“ ST”， "ENVIRONMENT": { "type": "st…
用大写字母拆分字符串，但忽略AAA Python Regex - python我的正则表达式：vendor = "MyNameIsJoe. I'mWorkerInAAAinc." ven = re.split(r'(?<=[a-z])[A-Z]|[A-Z](?=[a-z])', vendor) 以大写字母分割字符串，例如：'我的名字是乔。 I'mWorkerInAAAinc”变成…
Python sqlite3数据库已锁定 - python我在Windows上使用Python 3和sqlite3。我正在开发一个使用数据库存储联系人的小型应用程序。我注意到，如果应用程序被强制关闭（通过错误或通过任务管理器结束），则会收到sqlite3错误（sqlite3.OperationalError：数据库已锁定）。我想这是因为在应用程序关闭之前，我没有正确关闭数据库连接。我已经试过了： connectio…
根据字段名称和值从JSON中选择字段 - python在python中，我从API调用中获取了JSON。resp = requests.get(url) resp.json() 我将使用我的MySQL词汇表。我得到的这个对象很大，结构不规则（并非所有字段都可用于每个条目）。因此，我想在此JSON中选择一些字段和一些基于值的条目。假设JSON返回用户的个人资料，其中包含字段"name"，�…
查找字符串中的行数 - python我正在创建一个python电影播放器/制作器，我想在多行字符串中找到行数。我想知道是否有任何内置函数或可以编写代码的函数来做到这一点：x = """ line1 line2 """ getLines(x) python大神给出的解决方案 如果换行符是'\n'，则nlines …