【无标题】帮忙看下怎么修改python pdf转text

最新推荐文章于 2024-09-20 11:36:37 发布

weixin_60826827

最新推荐文章于 2024-09-20 11:36:37 发布

阅读量21

点赞数

文章标签：服务器前端 python

本文链接：https://blog.csdn.net/weixin_60826827/article/details/134506848

版权

本文介绍了如何使用Python的PDFMiner库解析PDF文件并将其内容保存到TXT文件，但遇到了TypeError。主要展示了解析过程和遇到的问题，寻求专家对`PDFDocument()`初始化时缺少参数`parser`的解决方法。

摘要由CSDN通过智能技术生成

import os
os.chdir(r"C:\Users\17854\Desktop\lunwen\python\Li\1\data")
#!/usr/bin/env python
# encoding: utf-8
import sys
import importlib
importlib.reload(sys)
from pdfminer.pdfpage import PDFPage
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfpage import PDFTextExtractionNotAllowed
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LTTextBoxHorizontal, LAParams, LTImage, LTFigure
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
'''
解析pdf 文本，保存到txt文件中
'''
path = r'write.pdf'
def parse():
 
    fp = open(path, 'rb') # 以二进制读模式打开
#用文件对象来创建一个pdf文档分析器
    praser = PDFParser(fp)
# 创建一个PDF文档
    doc = PDFDocument()
# 连接分析器 与文档对象
    praser.set_document(doc)
    doc.set_parser(praser)
# 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("")
# 检测文档是否提供txt转换，不提供就忽略
    if not doc.is_extractable:
        raise PDFTextExtractionNotAllowed
    else:
 # 创建PDf 资源管理器 来管理共享资源
        rsrcmgr = PDFResourceManager()
 # 创建一个PDF设备对象
        laparams = LAParams()
        device = PDFPageAggregator(rsrcmgr, laparams=laparams)
 # 创建一个PDF解释器对象
        interpreter = PDFPageInterpreter(rsrcmgr, device)
 # 循环遍历列表，每次处理一个page的内容
        for page in doc.get_pages(): # doc.get_pages() 获取page列表
            interpreter.process_page(page)
 # 接受该页面的LTPage对象
            layout = device.get_result()
 # 这里layout是一个LTPage对象 里面存放着 这个page解析出的各种对象 一般包括LTTextBox, LTFigure, LTImage, LTTextBoxHorizontal 等等 想要获取文本就获得对象的text属性，
            for x in layout:
                if (isinstance(x, LTTextBoxHorizontal)):
                    with open(r'textPDF.txt', 'a',encoding="utf8") as f:
                        results = x.get_text()
                        print(results)
                        f.write(results + '\n')
parse( )

TypeError: __init__() missing 1 required positional argument: 'parser'

错误定位到doc = PDFDocument()

求大神，各位专家指导，怎么修改