Python pdfminer PDF转txt 最新可运行代码

最新推荐文章于 2023-12-15 11:10:00 发布

ninja_in_slipper

最新推荐文章于 2023-12-15 11:10:00 发布

阅读量445

点赞数 2

分类专栏： Py 文章标签： python

本文链接：https://blog.csdn.net/ninja_in_slipper/article/details/117902874

版权

本文提供了一段经过修改后适用于最新版本的Python pdfminer代码，用于将PDF文件转换成TXT文本，解决了因版本差异导致的代码不可用问题。

摘要由CSDN通过智能技术生成

import importlib
import sys
import time

from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LTTextBoxHorizontal, LAParams
from pdfminer.pdfpage import PDFTextExtractionNotAllowed
from pdfminer.pdfpage import PDFPage


importlib.reload(sys)
time1 = time.time()


def parse(pdf_path, txt_path):
    # 解析PDF文本，并保存到TXT文件中
    fp = open(pdf_path, 'rb')
    # 用文件对象创建一个PDF文档分析器
    parser = PDFParser(fp)
    # 创建一个PDF文档
    doc = PDFDocument(parser)
    # 连接分析器，与文档对象
    parser.set_document(doc)

    # 提供初始化密码，如果没有密码，就创建一个空的字符串

    # 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，来共享资源
        rsrcmgr = PDFResourceManager()