python爬取pdf内容_用Python（pdfquery）抓取PDF的文本

我需要刮一些PDF文件来提取以下文本信息：

我想先从车牌号开始测试。我进入生成的“xmltree”文件，找到第一个许可证号，得到LTTextLineHorizontal元素中的x0、y0、x1、y1坐标。import pdfquery

from lxml import etree

PDF_FILE = 'C:\\TEMP\\ad-4070-20-september-2018.pdf'

pdf = pdfquery.PDFQuery(PDF_FILE)

pdf.load(4,5)

with open('xmltree.xml','wb') as f:

f.write(etree.tostring(pdf.tree, pretty_print=True))

product_info = []

page_count = len(pdf._pages)

for pg in range(page_count):

data = pdf.extract([

('with_parent', 'LTPage[pageid="{}"]'.format(pg+1)),

('with_formatter', None),

('product_name', 'LTTextLineHorizontal:in_bbox("89.904, 757.502, 265.7, 770.83")'),

('product_details', 'LTTextLineHorizontal:in_bbox(&#