Как использовать pdfMiner в python для предсказуемого чтения значений

Question

Я использовал pdfMiner для считывания значений с графиков, и до сих пор он работал отлично!

Однако есть одна область, в которой правильные данные читаются правильно, но непредсказуемым образом, что означает, что они будут правильно читать все значения графиков в совершенно ином порядке, чем они отображаются.

Это не совсем проблема, потому что, насколько я знаю, скажем, последний граф всегда будет читаться первым, я могу структурировать свою программу вокруг этого. За исключением того, что кажется, что pdfMiner почти непредсказуем в том, как он читает эти данные, я не могу найти никакой заметной закономерности.

Это наиболее вероятно, потому что я совершенно незнаком с pdfMiner, поэтому я не совсем уверен, как он работает. Так что да, было бы очень полезно, если бы кто-то мог просто указать мне правильное направление.

Вот мои данные

И вот код конверсии, который я использую:

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from cStringIO import StringIO
global values

print "Getting readable PDF"

rsrcmgr = PDFResourceManager()
retstr = StringIO()
codec = 'utf-8'
laparams = LAParams()
device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
fp = file("graphExtraction.pdf", 'rb')
interpreter = PDFPageInterpreter(rsrcmgr, device)
password = ""
maxpages = 0
caching = True
pagenos=set()
for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching,           check_extractable=True):
    interpreter.process_page(page)
fp.close()
device.close()
str = retstr.getvalue()
retstr.close()
values = str

Answer 1

Используйте информацию ограничивающего прямоугольника, чтобы следить за потоком ваших документов и выяснить, что будет первым.