机器学习：从文件列表中提取关键字

Question

我有一个pdf文件的列表，这些文件有不同的页数和演示文稿。 每个文件都包含我需要提取的信息列表。但问题是信息被包装在不同类型的短语和语法中。 我需要知道我是否需要建立一个机器来学习如何做到这一点，如果是这样的情况下，哪种算法和技术适合我的情况。 注：我有一个巨大的pdf文件数据集用来训练模型。在

Answer 1

因此，如果您想在Python中执行此操作，那么PyPDF2似乎是最好的选择。您应该能够读入并从pdf中提取所需的文本数据。Automate the boring stuff有使用PyPDF2的例子。在