相关疑难解决方法(0)

我正在尝试使用提取此 PDF文件中包含的文本Python.

我正在使用PyPDF2模块,并具有以下脚本:

import PyPDF2
pdf_file = open('sample.pdf')
read_pdf = PyPDF2.PdfFileReader(pdf_file)
number_of_pages = read_pdf.getNumPages()
page = read_pdf.getPage(0)
page_content = page.extractText()
print page_content

当我运行代码时,我得到以下输出,该输出与PDF文档中包含的输出不同:

!"#$%#$%&%$&'()*%+,-%./01'*23%4
5'%1$#26%3/%7/))/8%&)/26%8#3"%3"*%313/9#&)
%

如何在PDF文档中提取文本？

我有一个单词列表

list = ['car', 'animal', 'house', 'animation']

我想用字符串比较每个列表项,str1输出应该是最相似的单词.例如:如果str1是anlmal则animal是最相似的词.我怎么能在python中这样做？通常我列表中的单词可以很好地区分开来.