我有30种不同类型的PDF。我需要提取特定于每个 PDF 的信息。我最好用python来做。我能够从一种类型的pdf中提取特定信息，但需要一个模型来识别文档的类型并自动识别需要提取的关键字，然后检索它们。是否可以以编程方式使用 python？任何帮助将不胜感激。 请注意，并非所有文件都是结构化的。但是首先，我们可以假设文档是结构化的。
我尝试过OpenCV从扫描的图像中提取文本，但它给了我可怕的结果。我已经将整个图像转换为文本，但这不是我想要的。我只是从每个pdf中寻找特定信息。
你需要两样东西。
对于关键字，您可以使用 tf-idf 对于主题提取，您可以使用文档分类
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium