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字符串排序方法
Aug 29 Python
Python的Tornado框架异步编程入门实例
Apr 24 Python
python 实现selenium断言和验证的方法
Feb 13 Python
对numpy下的轴交换transpose和swapaxes的示例解读
Jun 26 Python
在Pycharm中调试Django项目程序的操作方法
Jul 17 Python
python使用matplotlib绘制雷达图
Oct 18 Python
Python对wav文件的重采样实例
Feb 25 Python
Python递归求出列表(包括列表中的子列表)的最大值实例
Feb 27 Python
Tensorflow tf.nn.atrous_conv2d如何实现空洞卷积的
Apr 20 Python
关于python的缩进规则的知识点详解
Jun 22 Python
python实现图片转换成素描和漫画格式
Aug 19 Python
利用Python实现学生信息管理系统的完整实例
Dec 30 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
教你如何使用php session
2013/10/28 PHP
PHP读取RSS(Feed)简单实例
2014/06/12 PHP
PHP错误处理函数register_shutdown_function使用示例
2017/07/03 PHP
thinkPHP5框架导出Excel文件简单操作示例
2018/08/03 PHP
php 读取文件夹下所有图片、文件的实例
2018/10/17 PHP
基于jQuery的可以控制左右滚动及自动滚动效果的代码
2010/07/25 Javascript
innerText 使用示例
2014/01/23 Javascript
JS 实现列表与多选框选择附预览动画
2014/10/29 Javascript
Select下拉框模糊查询功能实现代码
2016/07/22 Javascript
js实现文字超出部分用省略号代替实例代码
2016/09/01 Javascript
javascript实现获取图片大小及图片等比缩放的方法
2016/11/24 Javascript
Node.js设置CORS跨域请求中多域名白名单的方法
2017/03/28 Javascript
微信小程序实战之顶部导航栏(选项卡)(1)
2020/06/19 Javascript
bootstrap table表格使用方法详解
2017/04/26 Javascript
vue-axios使用详解
2017/05/10 Javascript
iview给radio按钮组件加点击事件的实例
2017/09/30 Javascript
vue框架搭建之axios使用教程
2018/07/11 Javascript
vue 如何从单页应用改造成多页应用
2020/10/23 Javascript
vue中echarts的用法及与elementui-select的协同绑定操作
2020/11/17 Vue.js
[07:20]2014DOTA2西雅图国际邀请赛 选手讲解积分赛第二天
2014/07/11 DOTA
Python 抓取动态网页内容方案详解
2014/12/25 Python
Python多进程池 multiprocessing Pool用法示例
2018/09/07 Python
python反编译学习之字节码详解
2019/05/19 Python
Python使用get_text()方法从大段html中提取文本的实例
2019/08/27 Python
python获取网络图片方法及整理过程详解
2019/12/20 Python
Python统计时间内的并发数代码实例
2019/12/28 Python
利用Tensorboard绘制网络识别准确率和loss曲线实例
2020/02/15 Python
如何在Django中使用聚合的实现示例
2020/03/23 Python
详解python命令提示符窗口下如何运行python脚本
2020/09/11 Python
python中altair可视化库实例用法
2021/01/26 Python
奢华的意大利皮革手袋:Bene Handbags
2019/10/29 全球购物
AJax面试题
2014/11/25 面试题
聊城大学毕业生自荐书
2014/02/01 职场文书
电大毕业个人生自我鉴定
2014/03/26 职场文书
中国梦演讲稿教师篇
2014/04/23 职场文书
售房协议书范本
2015/08/11 职场文书