python提取pdf

最新推荐文章于 2020-03-27 18:22:58 发布

码农的世界，你不懂

最新推荐文章于 2020-03-27 18:22:58 发布

阅读量214

点赞数 1

分类专栏： python

本文链接：https://blog.csdn.net/u010395024/article/details/103869086

版权

python 专栏收录该内容

153 篇文章 0 订阅

订阅专栏

import os
import sys
import time

pdfs = (pdfs for pdfs in os.listdir('.') if pdfs.endswith('.pdf'))

for pdf1 in pdfs:
pdf = pdf1.replace(' ', '_').replace('-', '_').replace('&', '_')
os.rename(pdf1, pdf)
print('='*30)
print(pdf)

txt = pdf[:-4] + '.txt'
exe = '"' + sys.executable + '" "'
pdf2txt = os.path.dirname(sys.executable)
pdf2txt = pdf2txt + '\\scripts\\pdf2txt.py" -o '
try:
#调用命令行工具pdf2txt.py进行转换
#如果pdf加密过可以改写下面的代码
#在-o前面使用-P来指定密码
cmd = exe + pdf2txt + txt + ' ' + pdf
os.popen(cmd)
#转换需要时间
time.sleep(2)
#输出转换后的文本，前200个字符
with open(txt, encoding='utf8') as fp:
print(fp.read(200))
except:
pass