python 获取PDF中文字（PDFminer)

对于可以解析成TXT 的PDF 来说是比较好处理的。
安装需要的包

pip install pdfminer

具体步骤：
1.open 以二进制的办法打开PDF 文件
2.利用PDFParser为打开的文件创建一个pdf文档分析器
3.创建一个PDF文档
4. 连接分析器 与文档对象： parser.set_document(doc)；doc.set_parser(parser)
5. 提供初始化密码； 如果没有密码 就创建一个空的字符串：doc.initialize()
6. 检测文档是否提供txt转换，不提供就忽略； 当然对于不提供txt转换的PDF 可以采用OCR 技术；

if not doc.is_extractable:
    raise PDFTextExtractionNotAllowed

7.创建PDf 资源管理器 来管理共享资源；

 rsrcmgr = PDFResourceManager()

8. #创建一个PDF设备对象

   laparams = LAParams()
   device = PDFPageAggregator(rsrcmgr, laparams=laparams)
   interpreter = PDFPageInterpreter(rsrcmgr, device)

9.处理文档对象中每一页的内容

doc.get_pages() 获取page列表

10.循环遍历列表，每次处理一个page的内容
#这里layout是一个LTPage对象 里面存放着 这个pa