所使用python环境为最新的3.6版本
一、安装pdfminer模块
安装anaconda后,直接可以通过pip安装
pip install pdfminer3k
1
如上图所示安装成功。
二、在IDE中进行编码
#!/usr/bin/env python
# encoding: utf-8
"""
@author: wugang
@software: PyCharm
@file: prase_pdf.py
@time: 2017/3/3 0003 11:16
"""
import sys
import importlib
importlib.reload(sys)
from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LTTextBoxHorizontal,LAParams
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
'''
解析pdf 文本,保存到txt文件中
'''
path = r'../../data/pdf/阿里巴巴Java开发规范手册.pdf'
def parse():
fp = open(path, 'rb') # 以二进制读模式打开
#用文件对象来创建一个pdf文档分析器
praser = PDFParser(fp)
# 创建一个PDF文档
doc = PDFDocument()
# 连接分析器 与文档对象
praser.set_document(doc)
doc.set_parser(praser)
# 提供初始化密码
# 如果没有密码 就创建一个空的字符串
doc.initialize()
# 检测文档是否提供txt转换,不提供就忽略
if not doc.is_extractable:
raise PDFTextExtractionNotAllowed
else:
# 创建PDf 资源管理器 来管理共享资源
rsrcmgr = PDFResourceManager()
# 创建一个PDF设备对象
laparams = LAParams()
device = PDFPageAggregator(rsrcmgr, laparams=laparams)
# 创建一个PDF解释器对象
interpreter = PDFPageInterpreter(rsrcmgr, device)
# 循环遍历列表,每次处理一个page的内容
for page in doc.get_pages(): # doc.get_pages() 获取page列表
interpreter.process_page(page)
# 接受该页面的LTPage对象
layout = device.get_result()
# 这里layout是一个LTPage对象 里面存放着 这个page解析出的各种对象 一般包括LTTextBox, LTFigure, LTImage, LTTextBoxHorizontal 等等 想要获取文本就获得对象的text属性,
for x in layout:
if (isinstance(x, LTTextBoxHorizontal)):
with open(r'../../data/pdf/1.txt', 'a') as f:
results = x.get_text()
print(results)
f.write(results + '\n')
if __name__ == '__main__':
parse()
---------------------
作者:W-大泡泡
来源:CSDN
原文:https://blog.csdn.net/u011389474/article/details/60139786
版权声明:本文为博主原创文章,转载请附上博文链接!
相关推荐
主要介绍了Python 3.6 中使用pdfminer解析pdf文件的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
Python3.6中文文档,对学习python有一定帮助。
9、手动安装Python3.6环境.pdf
这是一份python3.6的中文手册,如果有什么看不懂的地方可以参考本人的博客,https://blog.csdn.net/harry_c,里面对资源做了总结,扩展,归类,这份文档值得这积分,也值得你仔细研读。
python 3.6的中文文档和chm查询手册。便于随时查阅。 Python 是一门简单易学且功能强大的编程语言。它拥有高效的高级数据结构,并且能够用简单而又高效的 方式进行面向对象编程。Python 优雅的语法和动态类型,再...
Python 是一门简单易学且功能强大的编程语言。它拥有高效的高级数据结构,并且能够用简单而又高效的 ...和编写 Python 模块或程序,并为以后使用 Python 参考手册 继续学习诸多 Python 模块库做好准备。
很难找的python 3.6版本的笨办法学python ,虽然是英文版,但是不难看懂。全网很难找
python 3.6中文文档pdf版本、及3.5中文帮助手册chm版本
已编译好的pycocotools包文件,适用于python3.6,只需放入site-packages内即可使用。
python3.6+匹配的dlib安装文件dlib-19.8.1-cp36-cp36m-win_amd64.whl
Python3.6中文手册(官方文档),Python3.6开发文档,需要时可以当工具字典查。大神可以存在脑海里。
注意python 3.6.x版本可以用,其他的安装可能会报错。
python-3.6.0-amd64.exe 安装包,openpyxl必装的相关包 geopandas安装:Fiona-1.8.13-cp37-cp37m-win_amd64.whl GDAL-3.0.3-cp37-cp37m...pywin32+python3.6+32与64位打包_156_573127.exe beautifulsoup4-4.9.0.tar.zip
python3.6 安装paramiko,所需要的whl文件,适合内网安装,几个导入即可安装。 亲测,尝试半天后找到的可用whl安装包
Yolov5,支持python3.6版本,目前官方版本为3.8。
最全Python3.6_中文和Python3.6_英文文档,有详细案例可以供初学者学习,高手也可以查看python更高深用法。
python3.6中文官方文档是根据官方手册翻译过来的中文手册,帮助开发人员开发
Python3.6 中文手册 (官方文档) 离线压缩包,包含中文PDF、中文CHM文档,方便阅读