пока что спасибо

for sect in doc.xpath('//sect'): и поехали

иду читать

а xml ты кодом сделал или что-то готовое взял?

пересохранил ПДФ через адобе акробат ДЦ

просто кодом там ужас

Адоб акробат будет лучшее решение для ПДФ, там же можно и сразу распознать текст

ПДФ уже как текст, но очень сложно определить где заголовок, где автор, а где текст :(

а так даже очень толково пересохранило в XML, структура очень приятна

Ну да, ничего умнее чем у них, сложно найти для работы с пдф

Xml кстати через скрапи очень удобно парсить, даже меньше кода придется писать, правда если с ним до этого не работал то сложновато будет

В чем удобство?

А то примеры что видел парсят через одно место и скрапи никак не помогает.

нормальный xml просто удобно пасрить 😂
а через чего....
в питоне же можно гулять по xml нодам без xpath? иногда такое даже удобнее (правда не часто)

ну да, lxml.etree умеет так

ну как, через scrapy XMLFeedSpider тебе не надо париться как-то с открытием его, или выделением item'ов, более того - он даже сам создает цикл и бегает по тому itertag, который ты указываешь, к примеру для yandex market xml это будет  'offer', там структура поле offers и  в нем куча offer.
Если тебе надо какую-то штуку из другого места вытащить, то можно использовать adapt_response ( к примеру категории из того же yandex market xml)
Ну и все - вот у тебя 4 строчки и дальше ты уже xpath/css вытягиваешь айтемсы

Пример есть?

дак https://docs.scrapy.org/en/latest/topics/spiders.html#xmlfeedspider

ну в принципе да, https://docs.scrapy.org/en/latest/topics/spiders.html#xmlfeedspider-example

Почему же советуют совсем иное обычно