Я пытаюсь проанализировать текст PDF-файла с помощью pdfMiner, но извлеченный текст объединяется. Я использую PDF-файл по следующей ссылке.

PDF файл

Я хорош с любым типом вывода (файл / строка). Вот код, который возвращает извлеченный текст в виде строки для меня, но по какой-то причине столбцы объединены.

from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfinterp import PDFResourceManager, process_pdf
import StringIO

def convert_pdf(filename):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, codec=codec)

    fp = file(filename, 'rb')
    process_pdf(rsrcmgr, device, fp)
    fp.close()
    device.close()

    str = retstr.getvalue()
    retstr.close()
    return str

Я также пробовал PyPdf2, но столкнулся с той же проблемой. Вот пример кода для PyPDF2

from PyPDF2.pdf import PdfFileReader
import StringIO
import time

def getDataUsingPyPdf2(filename):
    pdf = PdfFileReader(open(filename, "rb"))
    content = ""

    for i in range(0, pdf.getNumPages()):
        print str(i)
        extractedText = pdf.getPage(i).extractText()
        content +=  extractedText + "\n"

    content = " ".join(content.replace("\xa0", " ").strip().split())
    return content.encode("ascii", "ignore")

Я также пыталсяpdf2txt.py но не удается получить отформатированный вывод.