数据结构
网络
RDBMS
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化学
生物
数学
英语
经济学
心理学
社会学
时尚研究
法律研究Python 中有哪些可用于将 PDF 转换为文本的模块？
您可以使用 PDFMiner 程序包将 PDF 转换为文本。
示例
您可以通过以下方式使用它：
import sys
from cStringIO import StringIO
from pdfminer.pdfpage importPDFPage
from pdfminer.pdfinterp importPDFResourceManager, PDFPageInterpreter
from pdfminer.layout importLAParams
from pdfminer.converter importXMLConverter, HTMLConverter, TextConverter
def pdfparser(data):
fp = file(data, 'rb')
resource_manager = PDFResourceManager()
retstr = StringIO()
codec = 'utf-8'
laparams = LAParams()
device = TextConverter(resource_manager,retstr, codec=codec, laparams=laparams)
interpreter =PDFPageInterpreter(resource_manager, device)
# Process each page contained in thedocument.
for page in PDFPage.get_pages(fp):
interpreter.process_page(page)
data = retstr.getvalue()
print data
pdfparser('filename.pdf')此方法导入一个 pdf 文件，并使用来自 PDFPageInterpreter 类的 process_page 函数逐页从中提取文本。
PDFMiner 的替代方法是使用一个更简单易用的 API 来提取文本。pyPDF 可以正常工作（假设您使用的是格式良好的 PDF）。如果您只需要文本（带空格），则可以执行以下操作
import pyPdf
pdf = pyPdf.PdfFileReader(open('filename.pdf',"rb"))
for page in pdf.pages:
print page.extractText()
更新于： 11-Dec-2019
216 浏览次数
广告