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入门学习之字符串与比较运算符
Oct 12 Python
Python设计模式中单例模式的实现及在Tornado中的应用
Mar 02 Python
Django代码性能优化与Pycharm Profile使用详解
Aug 26 Python
python 解决动态的定义变量名,并给其赋值的方法(大数据处理)
Nov 10 Python
Django模板语言 Tags使用详解
Sep 09 Python
Python模块的制作方法实例分析
Dec 21 Python
详解python破解zip文件密码的方法
Jan 13 Python
Pytorch通过保存为ONNX模型转TensorRT5的实现
May 25 Python
matlab、python中矩阵的互相导入导出方式
Jun 01 Python
keras:model.compile损失函数的用法
Jul 01 Python
Python通过Schema实现数据验证方式
Nov 12 Python
Python学习之迭代器详解
Apr 01 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
在DC的漫画和电影中,蝙蝠侠的宿敌,小丑的真名是什么?
2020/04/09 欧美动漫
php读取数据库信息的几种方法
2008/05/24 PHP
php操作xml入门之xml基本介绍及xml标签元素
2015/01/23 PHP
PHP SPL标准库中的常用函数介绍
2015/05/11 PHP
微信支付之JSAPI公众号支付详解
2019/05/15 PHP
flexigrid 类似ext grid的JS表格代码
2010/07/17 Javascript
JavaScript Array Flatten 与递归使用介绍
2011/10/30 Javascript
深入理解JavaScript系列(4) 立即调用的函数表达式
2012/01/15 Javascript
基于mootools插件实现遮罩层新手引导
2012/05/24 Javascript
根据表格中的某一列进行排序的javascript代码
2013/11/29 Javascript
如何正确使用javascript 来进行我们的程序开发
2014/06/23 Javascript
JavaScript给url网址进行encode编码的方法
2015/03/18 Javascript
JavaScript事件委托实例分析
2015/05/26 Javascript
简单谈谈javascript中this的隐式绑定
2016/02/22 Javascript
微信小程序 页面跳转传参详解
2016/10/28 Javascript
javascript实现非常简单的小数取整功能示例
2017/06/13 Javascript
微信小程序getPhoneNumber获取用户手机号
2017/09/29 Javascript
Vue的轮播图组件实现方法
2018/03/03 Javascript
Vue加载json文件的方法简单示例
2019/01/28 Javascript
在vue项目中利用popstate处理页面返回的操作介绍
2020/08/06 Javascript
[55:11]完美世界DOTA2联赛PWL S2 SZ vs LBZS 第一场 11.26
2020/11/30 DOTA
python解析xml文件实例分享
2013/12/04 Python
python网络编程学习笔记(七):HTML和XHTML解析(HTMLParser、BeautifulSoup)
2014/06/09 Python
Python中is与==判断的区别
2017/03/28 Python
Python编程把二叉树打印成多行代码
2018/01/04 Python
python 用户交互输入input的4种用法详解
2019/09/24 Python
Django1.11自带分页器paginator的使用方法
2019/10/31 Python
python高级特性简介
2020/08/13 Python
Scrapy中如何向Spider传入参数的方法实现
2020/09/28 Python
python中@property的作用和getter setter的解释
2020/12/22 Python
Tripadvisor新西兰:阅读评论,比较价格和酒店预订
2018/02/10 全球购物
德国网上宠物店:Zoobio
2018/05/23 全球购物
英国可持续奢侈品包包品牌:Elvis & Kresse
2018/08/05 全球购物
《再别康桥》教学反思
2014/02/12 职场文书
iPhone13再次曝光
2021/04/15 数码科技
Ruby序列化和持久化存储 Marshal和Pstore介绍
2022/04/18 Ruby