Python批量提取PDF文件中文本的脚本


Posted in Python onMarch 14, 2018

本文实例为大家分享了Python批量提取PDF文件中文本的具体代码,供大家参考,具体内容如下

首先需要执行命令pip install pdfminer3k来安装处理PDF文件的扩展库。

import os
import sys
import time

pdfs = (pdfs for pdfs in os.listdir('.') if pdfs.endswith('.pdf'))

for pdf1 in pdfs:
 pdf = pdf1.replace(' ', '_').replace('-', '_').replace('&', '_')
 os.rename(pdf1, pdf)
 print('='*30)
 print(pdf)
 
 txt = pdf[:-4] + '.txt'
 exe = '"' + sys.executable + '" "'
 pdf2txt = os.path.dirname(sys.executable)
 pdf2txt = pdf2txt + '\\scripts\\pdf2txt.py" -o '
 try:
 #调用命令行工具pdf2txt.py进行转换
 #如果pdf加密过可以改写下面的代码
 #在-o前面使用-P来指定密码
 cmd = exe + pdf2txt + txt + ' ' + pdf
 os.popen(cmd)
 #转换需要一定时间,一般小文件2秒钟足够了
 time.sleep(2)
 #输出转换后的文本,前200个字符
 with open(txt, encoding='utf8') as fp:
  print(fp.read(200))
 except:
 pass

来源:python小屋

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python中xrange和range的区别
May 13 Python
Python3实现连接SQLite数据库的方法
Aug 23 Python
举例讲解Python中is和id的用法
Apr 03 Python
Python实现把json格式转换成文本或sql文件
Jul 10 Python
关于反爬虫的一些简单总结
Dec 13 Python
简单实现python画圆功能
Jan 25 Python
基于python list对象中嵌套元组使用sort时的排序方法
Apr 18 Python
基于python的多进程共享变量正确打开方式
Apr 28 Python
python实现名片管理系统项目
Apr 26 Python
你还在@微信官方?聊聊Python生成你想要的微信头像
Sep 25 Python
python如何通过闭包实现计算器的功能
Feb 22 Python
教你用Python爬取英雄联盟皮肤原画
Jun 13 Python
深入理解Django的中间件middleware
Mar 14 #Python
python批量设置多个Excel文件页眉页脚的脚本
Mar 14 #Python
浅谈python正则的常用方法 覆盖范围70%以上
Mar 14 #Python
Python使用matplotlib绘制多个图形单独显示的方法示例
Mar 14 #Python
Python使用matplotlib绘制余弦的散点图示例
Mar 14 #Python
使用Python从零开始撸一个区块链
Mar 14 #Python
Python使用matplotlib绘图无法显示中文问题的解决方法
Mar 14 #Python
You might like
重量级动漫纷纷停播!唯独OVERLORD第四季正在英魂之刃继续更新
2020/05/06 日漫
PHP 5.0对象模型深度探索之类的静态成员
2008/03/27 PHP
php session 检测和注销
2009/03/16 PHP
按上下级层次关系输出内容的PHP代码
2010/07/17 PHP
php两种无限分类方法实例
2015/04/21 PHP
PHP 记录访客的浏览信息方法
2018/01/29 PHP
jQuery 插件 将this下的div轮番显示
2009/04/09 Javascript
AJAX分页的代码(后台asp.net)
2011/02/14 Javascript
向JavaScript的数组中添加元素的方法小结
2015/10/24 Javascript
javascript适合移动端的日期时间拾取器
2015/11/10 Javascript
基于jquery实现图片上传本地预览功能
2016/01/08 Javascript
Javascript之Math对象详解
2016/06/07 Javascript
前端分页功能的实现以及原理(jQuery)
2017/01/22 Javascript
jQuery使用DataTable实现删除数据后重新加载功能
2017/02/27 Javascript
完美实现js选项卡切换效果(二)
2017/03/08 Javascript
JS实现上传图片实时预览功能
2017/05/22 Javascript
nodejs实现的简单web服务器功能示例
2018/03/15 NodeJs
区别JavaScript函数声明与变量声明
2018/09/12 Javascript
vue-lazyload使用总结(推荐)
2018/11/01 Javascript
JavaScript代码异常监控实现过程详解
2020/02/17 Javascript
Python类方法__init__和__del__构造、析构过程分析
2015/03/06 Python
Python使用matplotlib绘图无法显示中文问题的解决方法
2018/03/14 Python
python抓取京东小米8手机配置信息
2018/11/13 Python
python圣诞树编写实例详解
2020/02/13 Python
Python configparser模块操作代码实例
2020/06/08 Python
Kmeans均值聚类算法原理以及Python如何实现
2020/09/26 Python
使用OpenCV校准鱼眼镜头的方法
2020/11/26 Python
输入一行文字,找出其中大写字母、小写字母、空格、数字、及其他字符各有多少
2016/04/15 面试题
平面设计师的工作职责
2013/11/21 职场文书
小学英语课后反思
2014/04/26 职场文书
社区服务标语
2014/07/01 职场文书
垃圾分类的活动方案
2014/08/15 职场文书
公务员爱岗敬业演讲稿
2014/08/26 职场文书
2015最新婚礼主持词
2015/06/30 职场文书
2015年安全生产月工作总结
2015/07/27 职场文书
开学典礼校长致辞
2015/07/29 职场文书