python讀取pdf文件-實戰
阿新 • • 發佈:2019-02-10
# -*- coding: utf-8 -*-
#讀取pdf文件
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
import pdfminer.pdfinterp
#獲取文件物件
fp = open("naacl06-shinyama.pdf","rb")
#建立一個與文件關聯的直譯器
parser=PDFParser(fp)
#PDF文件物件
doc = PDFDocument()
#連結直譯器和文件物件
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()
#建立一個聚合器
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
interpreter.process_page(page)
#使用聚合器來獲取內容
layout= device.get_result()
for out in layout:
if hasattr(out,"get_text"):
print(out.get_text())