python解析pdf中文乱码_解析PDF文件以及解决编码问题

1、解析pdf文件

最近需要将pdf中文本提取出来，于是就了解了一下pdfminer

首先安装：pip3 install pdfminer3k

之后就是用pdfminer解析，不多说，直接上代码，这些代码都是参考各位前辈

from pdfminer.pdfparser import PDFParser,PDFDocument

from pdfminer.pdfinterp import PDFResourceManager,PDFPageInterpreter

from pdfminer.converter import PDFPageAggregator

from pdfminer.layout import LTTextBoxHorizontal,LAParams,LTImage

import os

path=''

def pdf_to_word(folder,password):

#获取指定目录下的所有文件

files=os.listdir(folder)

pdfFiles=[f for f in files if f.endswith('.pdf')]

#获取pdf类型的文件，放到一个列表中

for pdfFile in pdfFiles:

print(pdfFile)

#将目录和文件合并成一个路径 os.path.join('root','test','runoob.txt') ##root/test/runoob.txt

# pdfPath=os.path.join(folder,pdfFile)

#设置将要转换后存放word文件的路径

#