您好,登录后才能下订单哦!
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
怎么在python中利用pdfminer3k读取PDF文档?很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。
1、安装 pdfminer3k
通过pip安装: pip install pdfminer3k
下载安装:在网页 https://pypi.org/project/pdfminer3k/1.3.1/#files 进行下载,解压。然后cmd命令进入到当前文件夹:
可以直接在资源管理器的路径栏直接输入cmd进入到当前目录。然后执行 python setup.py install 等待安装完成
2.读取pdf中的TXT代码示例:
from pdfminer.converter import PDFPageAggregator from pdfminer.layout import LAParams from pdfminer.pdfparser import PDFParser, PDFDocument from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter from pdfminer.pdfdevice import PDFDevice # 可以使用此方法获取网络上的pdf from urllib.request import urlopen fp = urlopen("https://******/articles/800348152163.pdf") #获取文档对象 #fp = open("****.pdf", "rb") #创建一个一个与文档关联的解释器 parser = PDFParser(fp) #PDF文档的对象 doc = PDFDocument() #连接解释器和文档对象 parser.set_document(doc) doc.set_parser(parser) #初始化文档,当前文档没有密码,设为空字符串 doc.initialize("") #创建PDF资源管理器 resource = PDFResourceManager() #参数分析器 laparam = LAParams() #创建一个聚合器 device = PDFPageAggregator(resource, laparams=laparam) #创建PDF页面解释器 interpreter = PDFPageInterpreter(resource, device) #使用文档对象得到页面的集合 for page in doc.get_pages(): # 使用页面解释器读取 interpreter.process_page(page) # 使用聚合器来获得内容 layout = device.get_result() for out in layout: if hasattr(out, "get_text"): print(out.get_text())
看完上述内容是否对您有帮助呢?如果还想对相关知识有进一步的了解或阅读更多相关文章,请关注亿速云行业资讯频道,感谢您对亿速云的支持。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。