用python讀取pdf文件

2021-08-07 17:21:52 字數 1381 閱讀 5349

首先要安裝庫：pdfminer3k

from pdfminer.converter import pdfpageaggregator


from pdfminer.layout import laparams


from pdfminer.pdfparser import pdfparser, pdfdocument


from pdfminer.pdfinterp import pdfresourcemanager, pdfpageinterpreter


from urllib.request import urlopen


#獲取文件


#fp=urlopen("")


fp=open("naacl06-shinyama.pdf","rb")


#建立乙個與文件關聯的直譯器


parser=pdfparser(fp)


#pdf文件的物件


doc=pdfdocument()


#鏈結直譯器和文件


parser.set_document(doc)


doc.set_parser(parser)


#初始化文件


doc.initialize("")


#建立pdf資源管理器


resource=pdfresourcemanager()


#引數分析器


laparam=laparams()


#建立乙個聚合器


device=pdfpageaggregator(resource,laparams=laparam)


#建立pdf頁面直譯器


interpreter=pdfpageinterpreter(resource,device)


#使用文件物件得到頁面的集合


for page in doc.get_pages():


#使用頁面直譯器來讀取，儲存到聚合器中


interpreter.process_page(page)


#使用聚合器來讀取的內容


layout=device.get_result()


for out


in layout:


#判斷out是否有get_text屬性

				
python讀取pdf文件 實戰
coding utf 8 讀取pdf文件 from pdfminer.converter import pdfpageaggregator from pdfminer.layout import laparams from pdfminer.pdfparser import pdfparser,pd...

				
讀取PDF文件
coding utf 8 匯入開發包 frompdfminer.pdfparserimportpdfparser,pdfdocument frompdfminer.pdfinterpimportpdfresourcemanager,pdfpageinterpreter frompdfminer.pd...

				
c 讀取pdf文件
2.解壓pdfbox，專案中新增存在解壓後bin目錄下的dll檔案 ikvm.gnu.classpath.dll ikvm.runtime.dll fontbox 0.1.0 dev.dll pdfbox 0.7.3.dll 3.檔案中引入2個命名空間 using org.pdfbox.pdmode...