python 仪表数据采集_python遇见数据采集

# coding:utf-8

from pdfminer.pdfparser import PDFParser,PDFDocument

from pdfminer.pdfinterp import PDFResourceManager,PDFPageInterpreter

from pdfminer.pdfdevice import PDFDevice

from pdfminer.layout import LAParams

from pdfminer.converter import PDFPageAggregator

fp = open("1.pdf","rb") # 打开对象，使用二进制方式

parser = PDFParser(fp) # 创建对应的解释器，传入文件对象，可理解为解释文件

doc = PDFDocument() # 创建文档对象

parser.set_document(doc) # 两步方法将fp的解释器和doc文档关联起来

doc.set_parser(parser) # 两步方法将fp的解释器和doc文档关联起来

doc.initialize() # 关联了解释器的文档，进行初始化

resource = PDFResourceManager() # 创建pdf的资源管理器

laparams = LAParams() # 创建pdf的参数分析器

device = PDFPageAggregator(resource,laparams=laparams) # 使用聚合器将资源管理器和参数分析器聚合在一起

interpreter = PDFPageInterpreter(resource,device) # 创建页面解析器，将资源管理器和聚合其结合在一起

for page in doc.get_pages(): # 获取文档对象的每一页

interpreter.process_page(page) # 使用页面解析器解析每一页

layout = device.get_result() # 使用聚合其获取解析的结果

for out in layout: # 遍历获取的结果

print(out.get_text()) # 输出