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数字图像处理之高级形态学处理
Apr 27 Python
利用python对Excel中的特定数据提取并写入新表的方法
Jun 14 Python
python实现简单五子棋游戏
Jun 18 Python
Python3.5以上版本lxml导入etree报错的解决方案
Jun 26 Python
对python 调用类属性的方法详解
Jul 02 Python
详解基于python的多张不同宽高图片拼接成大图
Sep 26 Python
Python 中使用 PyMySQL模块操作数据库的方法
Nov 10 Python
利用pandas将非数值数据转换成数值的方式
Dec 18 Python
Django中的AutoField字段使用
May 18 Python
Python基于Twilio及腾讯云实现国际国内短信接口
Jun 18 Python
Python 中数组和数字相乘时的注意事项说明
May 10 Python
python数字图像处理之对比度与亮度调整示例
Jun 28 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
神族 Protoss 剧情介绍
2020/03/14 星际争霸
PHP简洁函数小结
2011/08/12 PHP
PHP 实现类似js中alert() 提示框
2015/03/18 PHP
php简单实现发送带附件的邮件
2015/06/10 PHP
使用PHPCMS搭建wap手机网站
2015/09/20 PHP
PHP聊天室简单实现方法详解
2018/12/08 PHP
jQuery元素选择器用法实例
2014/12/23 Javascript
JS获得选取checkbox整行数据的方法
2015/01/28 Javascript
浅析JavaScript作用域链、执行上下文与闭包
2016/02/01 Javascript
jquery $.trim()去除字符串空格的实现方法【附图例】
2016/03/30 Javascript
Bootstrap基本插件学习笔记之标签切换(17)
2016/12/08 Javascript
jQuery实现用户信息表格的添加和删除功能
2017/09/12 jQuery
实现div滚动条默认最底部以及默认最右边的示例代码
2017/11/15 Javascript
JS实现基于拖拽改变物体大小的方法
2018/01/23 Javascript
vue渲染时闪烁{{}}的问题及解决方法
2018/03/28 Javascript
解决vue的过渡动画无法正常实现问题
2019/10/31 Javascript
vue 使用 sortable 实现 el-table 拖拽排序功能
2020/12/26 Vue.js
Python通过解析网页实现看报程序的方法
2014/08/04 Python
python实现自动发送邮件发送多人、群发、多附件的示例
2018/01/23 Python
详解Python 定时框架 Apscheduler原理及安装过程
2019/06/14 Python
浅谈python 中类属性共享的问题
2019/07/02 Python
使用python爬取抖音视频列表信息
2019/07/15 Python
python实现图片九宫格分割
2021/03/07 Python
python爬虫解决验证码的思路及示例
2019/08/01 Python
Python定时器线程池原理详解
2020/02/26 Python
Python多线程:主线程等待所有子线程结束代码
2020/04/25 Python
Python使用Matlab命令过程解析
2020/06/04 Python
澳大利亚儿童鞋在线:The Trybe
2019/07/16 全球购物
Ibatis如何调用存储过程
2015/05/15 面试题
高中同学聚会邀请函
2014/01/11 职场文书
行政文员实习自我鉴定范文
2014/09/14 职场文书
节水倡议书
2015/01/19 职场文书
安全承诺书
2015/01/19 职场文书
学习保证书100字
2015/02/26 职场文书
导游词之太行山青龙峡
2020/01/14 职场文书
Android开发 使用文件储存的方式保存QQ密码
2022/04/24 Java/Android