Python 3.6 中使用pdfminer解析pdf文件的实现


Posted in Python onSeptember 25, 2019

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

Python 3.6 中使用pdfminer解析pdf文件的实现 

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()

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基于win32ui模块创建弹出式菜单示例
May 09 Python
python range()函数取反序遍历sequence的方法
Jun 25 Python
pycharm重置设置,恢复默认设置的方法
Oct 22 Python
python 文件查找及内容匹配方法
Oct 25 Python
Python 输出时去掉列表元组外面的方括号与圆括号的方法
Dec 24 Python
详解Django CAS 解决方案
Oct 30 Python
如何修复使用 Python ORM 工具 SQLAlchemy 时的常见陷阱
Nov 19 Python
Python编译为二进制so可执行文件实例
Dec 23 Python
ansible动态Inventory主机清单配置遇到的坑
Jan 19 Python
python GUI库图形界面开发之PyQt5日期时间控件QDateTimeEdit详细使用方法与实例
Feb 27 Python
python实现简易名片管理系统
Apr 11 Python
看看如何用Python绘制小米新版天价logo
Apr 20 Python
Python实现串口通信(pyserial)过程解析
Sep 25 #Python
Python根据服务获取端口号的方法
Sep 25 #Python
Python提取PDF内容的方法(文本、图像、线条等)
Sep 25 #Python
python使用 request 发送表单数据操作示例
Sep 25 #Python
Python实现PyPDF2处理PDF文件的方法示例
Sep 25 #Python
python mqtt 客户端的实现代码实例
Sep 25 #Python
python实现的登录与提交表单数据功能示例
Sep 25 #Python
You might like
PHP脚本的10个技巧(6)
2006/10/09 PHP
sourcesafe管理phpproj文件的补充说明(downmoon)
2009/04/11 PHP
解析php利用正则表达式解决采集内容排版的问题
2013/06/20 PHP
YII Framework教程之异常处理详解
2016/03/14 PHP
thinkPHP中验证码的简单实现方法
2016/12/05 PHP
JavaScript中this关键字使用方法详解
2007/03/08 Javascript
javascript Ext JS 状态默认存储时间
2009/02/15 Javascript
javascript Base类 包含基本的方法
2009/07/22 Javascript
js简单的表格添加行和删除行操作示例
2014/03/31 Javascript
jquery+CSS实现的水平布局多级网页菜单效果
2015/08/24 Javascript
jQuery+css实现炫目的动态块漂移效果
2016/01/28 Javascript
jQuery实现点击按钮文字变成input框点击保存变成文字
2016/05/09 Javascript
Bootstrap 附加导航(Affix)插件实例详解
2016/06/01 Javascript
3分钟快速搭建nodejs本地服务器方法运行测试html/js
2017/04/01 NodeJs
关于使用axios的一些心得技巧分享
2017/07/02 Javascript
seajs模块压缩问题与解决方法实例分析
2017/10/10 Javascript
React-Router如何进行页面权限管理的方法
2017/12/06 Javascript
JS脚本实现网页自动秒杀点击
2018/01/11 Javascript
vue2.0模拟锚点的实例
2018/03/14 Javascript
vue.js使用v-model指令实现的数据双向绑定功能示例
2018/05/22 Javascript
JS实现图片旋转动画效果封装与使用示例
2018/07/09 Javascript
angularJs中json数据转换与本地存储的实例
2018/10/08 Javascript
解决layer弹出层自适应页面大小的问题
2019/09/16 Javascript
基于JavaScript实现单例模式
2019/10/30 Javascript
js实现简单选项卡制作
2020/08/05 Javascript
Python中处理字符串之isalpha()方法的使用
2015/05/18 Python
浅谈Python爬虫基本套路
2019/03/25 Python
python实现随机漫步方法和原理
2019/06/10 Python
Python return语句如何实现结果返回调用
2020/10/15 Python
Python实现微信表情包炸群功能
2021/01/28 Python
eDreams巴西:廉价机票,酒店优惠和度假套餐
2017/04/14 全球购物
临床医学专业个人的自我评价
2013/09/27 职场文书
社区消防工作实施方案
2014/03/21 职场文书
优秀班集体先进事迹材料
2014/05/28 职场文书
公司股东合作协议书
2014/09/14 职场文书
六五普法宣传标语
2014/10/06 职场文书