如何从PDF python中提取文本和字体信息

Question

我试图从一份法律文件（PDF格式）中摘录一些重要的句子。我知道为了找到这些句子，应该看文件中的哪些部分

我的想法是：

1. 根据节标题将整个文档拆分为不同的节，并获得文档的层次视图
2. 反复浏览每个部分的内容，找到我想要的关键词和句子

采用这种方法的原因是，一个部分中的关键字属于一个类别，而另一部分中的相同关键字可能有不同的用法。这样我就不会因为搜索整个文档而搞砸了

如果我在寻找像ABC这样的关键词。在“定义”部分，会有一段文字说明ABC一词的定义，但在其他部分，ABC一词将在不同的上下文中使用

我面临的问题：

1. 我使用pdfminer提取字体信息，如字体名称和字体大小，以确定文本是否为节头。但是，它并不适用于所有文档，也不能提供正确的字体信息。而且，提取后的文本的顺序与文档中的顺序不同

是否有其他python包可用于提取字体信息或任何其他方法来帮助我完成任务