python 读取pdf 两栏_python 读取pdf

# #-*- coding: UTF-8 -*-

# -*- coding:utf-8 -*-

##提取pdf文件中的文字

importtime,os.path,requests,re

time1=time.time()

frompdfminer.pdfinterp importPDFResourceManager, PDFPageInterpreter

frompdfminer.converter importPDFPageAggregator

frompdfminer.layout importLAParams,LTTextBoxHorizontal

frompdfminer.pdfpage importPDFTextExtractionNotAllowed,PDFPage

frompdfminer.pdfparser importPDFParser

frompdfminer.pdfdocument importPDFDocument

classCPdf2TxtManager():

defchangePdfToText(self, filePath):

# 以二进制读模式打开

file = open(path, 'rb')

#用文件对象来创建一个pdf文档分析器

praser = PDFParser(file)

# 创建一个PDF文档对象存储文档结构,提供密码初始化，没有就不用传该参数

doc = PDFDocument(praser, password='')

##检查文件是否允许文本提取

if notdoc.is_extractable:

raisePDFTextExtractionNotAllowed

# 创建PD