python读取pdf表格_python3读取pdf文件

该博客介绍了如何使用Python的pdfminer3k库来读取和解析PDF文件。首先,安装必要的模块,然后以二进制模式打开PDF文件。通过创建PDFParser和PDFDocument对象来解析文件,接着使用PDFResourceManager和PDFPageAggregator处理页面,并通过PDFPageInterpreter解释内容。最后,提取文本并保存到文本文件中。
摘要由CSDN通过智能技术生成

一.安装pdfminer3k模块

二.读取pdf文件import sys

import importlib

importlib.reload(sys)

from pdfminer.pdfparser import PDFParser, PDFDocument

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

from pdfminer.converter import PDFPageAggregator

from pdfminer.layout import LTTextBoxHorizontal, LAParams

from pdfminer.pdfinterp import PDFTextExtractionNotAllowed

def readPDF(path, toPath):

# 以二进制形式打开pdf文件

with open(path, "rb") as f:

# 创建一个pdf文档分析器

parser = PDFParser(f)

# 创建pdf文档

pdfFile = PDFDocument()

# 链接分析器与文档对象

parser.set_document(pdfFile)

pdfFile.set_parser(parser)

# 提供初始化密码

pdfFile.initialize()

# 检测文档是否提供txt转换

if not pdfFile.is_extractable:

raise PDFTextExtractionNotAllowed

else:

# 解析数据

# 数据管理

manager = PDFResourceManager()

# 创建一个PDF设备对象

laparams = LAParams()

device = PDFPageAggregator(manager, laparams=laparams)

# 解释器对象

interpreter = PDFPageInterpreter(manager, device)

# 开始循环处理,每次处理一页

for page in pdfFile.get_pages():

interpreter.process_page(page)

layout = device.get_result()

for x in layout:

if(isinstance(x, LTTextBoxHorizontal)):

with open(toPath, "a") as f:

str = x.get_text()

# print(str)

f.write(str+"\n")

path = r"G:\program\PycharmProjects\day06\3.读取pdf文件\文档.pdf"

toPath = r"G:\program\PycharmProjects\day06\3.读取pdf文件\a.txt"

readPDF(path, toPath)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值