python如何安装pdfminer_python2/3安装PDFMiner.six将PDF转HTML/TXT - pytorch中文网

PDFMiner.six是PDFMiner的一个分支，使用六个用于Python 2 + 3兼容性

PDFMiner是从PDF文档中提取信息的工具。与其他PDF相关的工具不同，它完全专注于获取和分析文本数据。PDFMiner允许您获取页面中文本的确切位置，以及其他信息，如字体或线条。它包含一个PDF转换器，可以将PDF文件转换为其他文本格式(如HTML)。它具有可扩展的PDF解析器，可用于文本分析之外的其他目的。

安装PDFMiner.six

1、使用pip安装(不支持中文)

安装Python 2.7或更新版本。(pdfminer.six支持Python 3.x)

$ pip install pdfminer.six

运行以下测试：

$ pdf2txt.py samples/simple1.pdf

2、支持中文,韩文,日文

要支持CJK语言，需要使用源码安装，安装之前你先从pdfminer.six下载

Linux环境

# make cmap

python tools/conv_cmap.py pdfminer/cmap Adobe-CNS1 cmaprsrc/cid2code_Adobe_CNS1.txt

reading 'cmaprsrc/cid2code_Adobe_CNS1.txt'...

writing 'CNS1_H.py'...

...

(this may take several minutes)

# python setup.py install

如果你是Windos环境，可以使用下面的代码安装

mkdir pdfminer\cmap

python to