PyPDF/PyPDF2默认能否按自然阅读顺序提取双栏PDF文本？

• 默认行为：PyPDF 和 PyPDF2 默认不具备按「先左栏向下、再右栏向下」的自然阅读顺序提取双栏PDF文本的功能。
• 核心原因：这两个库默认按照PDF文件底层存储的文本块顺序提取内容，而双栏PDF的文本块通常是横向交替存储（左栏一块、右栏一块循环），或因排版引擎差异，存储顺序完全不符合人类阅读逻辑，提取后会出现内容混乱、左右栏文本交叉的情况。
• 可行替代方案：若需正确提取双栏PDF的自然阅读顺序文本，建议搭配具备布局分析能力的工具：
  • 使用 pdfplumber：可识别文本块的坐标位置，通过x轴坐标区分左右栏，再按y轴坐标排序左栏内容，之后排序右栏内容并拼接。
  • 使用 PyMuPDF（fitz）：能获取文本块位置信息，通过自定义逻辑实现按栏排序提取。

内容的提问来源于stack exchange，提问作者Alex