双栏 PDF 抽文字左右串成一行 128 页段落顺序全乱怎么重排

陆零云 39 0
标书 128 页,双栏排版。用 pdfplumber 的 extract_text 抽出来,每行左右两栏被拼在一起,「甲方应于」和「乙方有权」接成一句话,整段读不通。第一反应是字符间距识别错了,调了 x_tolerance 和 y_tolerance,结果还是这样。 加上 layout=True 能保留位置,可它依然按 y 坐标把同一水平线上的字归成一行,双栏的左右两栏 y 值几乎一样,必然串。试过按字符的 order 字段过滤,跨栏标题处直接乱序。 换方...