怎么在python中利用pdfminer3k讀取PDF文檔

怎么在python中利用pdfminer3k讀取PDF文檔？很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

1、安裝 pdfminer3k

通過pip安裝: pip install pdfminer3k

下載安裝：在網頁 https://pypi.org/project/pdfminer3k/1.3.1/#files 進行下載，解壓。然后cmd命令進入到當前文件夾：

可以直接在資源管理器的路徑欄直接輸入cmd進入到當前目錄。然后執行 python setup.py install 等待安裝完成

2.讀取pdf中的TXT代碼示例：

from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LAParams
from pdfminer.pdfparser import PDFParser, PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.pdfdevice import PDFDevice

# 可以使用此方法獲取網絡上的pdf
from urllib.request import urlopen
fp = urlopen("https://******/articles/800348152163.pdf")

#獲取文檔對象
#fp = open("****.pdf", "rb")

#創建一個一個與文檔關聯的解釋器
parser = PDFParser(fp)

#PDF文檔的對象
doc = PDFDocument()

#連接解釋器和文檔對象
parser.set_document(doc)
doc.set_parser(parser)

#初始化文檔,當前文檔沒有密碼，設為空字符串
doc.initialize("")

#創建PDF資源管理器
resource = PDFResourceManager()

#參數分析器
laparam = LAParams()

#創建一個聚合器
device = PDFPageAggregator(resource, laparams=laparam)

#創建PDF頁面解釋器
interpreter = PDFPageInterpreter(resource, device)

#使用文檔對象得到頁面的集合
for page in doc.get_pages():
 # 使用頁面解釋器讀取
 interpreter.process_page(page)

 # 使用聚合器來獲得內容
 layout = device.get_result()

 for out in layout:
  if hasattr(out, "get_text"):
   print(out.get_text())

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。