我正在从一大堆PDF文档中提取信息 . 在这些文件中，有多种格式的信息，包括正常段落和更多“结构化”数据，其中信息由空白区域传达 .
例如，有时这些报告中的“表格”将采用以下格式：
Key Key Key
Value Value
而有时则会是：
Key 值
Key 值
Key 值
现在我正在使用PDFMiner来提取文本，但它通常只适用于一种格式（垂直或水平） . 我'm differentiating the formats is by the font size and the white space (ie Normally the value is a smaller font than the key). I'的主要方式也试过使用 teseract-py 但遇到了类似的问题 .
有关如何正确处理这些方案的任何建议？我想提取键/值关系 .