python pdfminer的功能_使用Python pdfMiner提取每页文本？

素颜马尾好姑娘i 2022-10-31 13:47 98阅读 0赞

这是将所有页面写入单独文件的方式：from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

from pdfminer.pdfpage import PDFPage

from pdfminer.converter import XMLConverter, HTMLConverter, TextConverter

from pdfminer.layout import LAParams

from pdfminer.pdfdocument import PDFDocument

from pdfminer.pdfparser import PDFParser

import io

import os

fp = open('Files/Company\_list/0010/pdf\_files/testfile3.pdf', 'rb')

rsrcmgr = PDFResourceManager()

retstr = io.StringIO()

print(type(retstr))

codec = 'utf-8'

laparams = LAParams()

device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)

interpreter = PDFPageInterpreter(rsrcmgr, device)

page\_no = 0

for pageNumber, page in enumerate(PDFPage.get\_pages(fp)):

if pageNumber == page\_no:

interpreter.process\_page(page)

data = retstr.getvalue()

with open(os.path.join('Files/Company\_list/0010/text\_parsed/2017AR', f'pdf page \{page\_no\}.txt'), 'wb') as file:

file.write(data.encode('utf-8'))

data = ''

retstr.truncate(0)

retstr.seek(0)

page\_no += 1

如果需要特定页码，只需将页码替换为所需的页码即可。

发表评论取消回复

表情：

评论列表（有 0 条评论，98人围观）

还没有评论，来说两句吧...

相关阅读

相关使用Python快速提取PPT中的文本内容

本文介绍了如何使用Python提取幻灯片中的文本内容，包括提取幻灯片文本、备注文本以及批注文本。

男娘i/ 2024年05月01日 03:10/ 0 赞/ 157 阅读

相关 Python的pdfminer的字体下载

从github下载对应字体库放入，python 库文件 \\Lib\\site-packages\\pdfminer\\cmap中。 ![在这里插入图片描述][waterm

Dear 丶/ 2023年06月25日 04:53/ 0 赞/ 37 阅读

相关 python操作pdf编码问题,使用PDFMiner（Python）和在线pdf文件。编码网址？

![Image 1][] I am wishing to extract the content of pdf files available online using PD

港控/mmm°/ 2023年01月24日 02:18/ 0 赞/ 202 阅读

相关 python pdfminer的功能_使用Python pdfMiner提取每页文本？

这是将所有页面写入单独文件的方式：from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

素颜马尾好姑娘i/ 2022年10月31日 13:47/ 0 赞/ 99 阅读

相关 python如何安装pdfminer_为什么PIP安装不能为PDFMiner工作？

我试图PIP安装PDFMiner，我得到一个语法错误。在以管理员身份使用PIP install py-m pip安装PDFMinnerERROR: Command err

傷城~/ 2022年10月27日 13:59/ 0 赞/ 566 阅读

相关 Python 使用pdfplumber提取PDF文本内容

前提：提取文本内容的文件必须是应用服务生成PDF文件，而非扫描的pdf文档，当前pdfplumber的版本为0.5.28 第一步：在服务应用的终端中使用下述命令安装pdfpl

╰+攻爆jí腚メ/ 2022年09月05日 12:51/ 0 赞/ 412 阅读

相关（7）PDFMiner提取PDF文本

PDFMiner是一个可以从PDF文档中提取信息的工具。与其他PDF相关的工具不同，它注重的完全是获取和分析文本数据。PDFMiner允许你获取某一页中文本的准确位置和一些诸如

Dear 丶/ 2022年07月25日 15:44/ 0 赞/ 794 阅读

相关利用pdfminer3k 使用python语言提取PDF中的文本

毕业设计需要用到自然语言处理，需要将PDF转化为文本进行提取信息。首先安装 pdfminer3k (在Python3下进行安装，python2.7)，使用pip安装：

梦里梦外;/ 2022年05月27日 13:47/ 1 赞/ 618 阅读

相关【Python】pdfminer3k模块批量转换本地PDF文件

上一篇文章自己研究了一下如何批量将word或者ppt文件转换为PDF文件，但是有时候我们也想要将pdf文件转换为word或者txt文件，方便复制和处理。本文主要通过调用pdfm

旧城等待，/ 2022年05月26日 10:36/ 0 赞/ 418 阅读

相关 PDFMiner 操作 PDF 文件

PDFMiner介绍 PDFMiner是一个可以从PDF文档中提取信息的工具。与其他PDF相关的工具不同，它注重的完全是获取和分析文本数据。- PDFMine

红太狼/ 2021年09月13日 22:54/ 0 赞/ 967 阅读