Ubuntu安装pdfminer出错

Ubuntu安装pdfminer出错

问题

Ubuntu下Python3使用PIP安装pdfminer出错，报错如下

wwy@wwy-Ubuntu:~$ pip3 install pdfminer
Collecting pdfminer
  Using cached https://files.pythonhosted.org/packages/57/4f/e1df0437858188d2d36466a7bb89aa024d252bd0b7e3ba90cbc567c6c0b8/pdfminer-20140328.tar.gz
    Complete output from command python setup.py egg_info:
    Traceback (most recent call last):
      File "<string>", line 1, in <module>
      File "/tmp/pip-install-l102z0gg/pdfminer/setup.py", line 3, in <module>
        from pdfminer import __version__
      File "/tmp/pip-install-l102z0gg/pdfminer/pdfminer/__init__.py", line 5
        print __version__
                        ^
    SyntaxError: Missing parentheses in call to 'print'
    
    ----------------------------------------
Command "python setup.py egg_info" failed with error code 1 in /tmp/pip-install-l102z0gg/pdfminer/

解决 （这样确实可以解决报错，但不能解决问题）

由报错信息可知，这是一个语法错误，’ print version’很明显是Python2的语法．可以把安装包下载下来后本地修改再进行安装．

1.下载安装包
地址很明显　https://files.pythonhosted.org/packages/57/4f/e1df0437858188d2d36466a7bb89aa024d252bd0b7e3ba90cbc567c6c0b8/pdfminer-20140328.tar.gz

wget https://files.pythonhosted.org/packages/57/4f/e1df0437858188d2d36466a7bb89aa024d252bd0b7e3ba90cbc567c6c0b8/pdfminer-20140328.tar.gz

2.解压并修改代码

tar xzvf pdfminer-20140328.tar.gz
vi pdfminer-20140328/pdfminer/__init__.py

将＇print version＇改为＇print(version)＇
3.本地安装
pip install -e pdfminer-20140328 文件路径
注意这里的安装包名不能直接使用pdfminer，必须加上版本名，不然会报错

sudo pip3 install -e pdfminer-20140328 pdfminer-20140328

OK了．
参考：https://oomake.com/question/178949

解决

在后面遇到了更多问题，发现Python3应该安装pdfminer3k，所以…

sudo pip install pdfminer3k

附录：别人的示例代码

from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import *
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed

'''
解析pdf文件，获取文件中包含的各种对象
'''


# 解析pdf文件函数
def parse(pdf_path):
    fp = open(pdf_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
    parser = PDFParser(fp)
    # 创建一个PDF文档
    doc = PDFDocument()
    # 连接分析器 与文档对象
    parser.set_document(doc)
    doc.set_parser(parser)

    # 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)

        # 用来计数页面，图片，曲线，figure，水平文本框等对象的数量
        num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0

        # 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
            num_page += 1  # 页面增一
            interpreter.process_page(page)
            # 接受该页面的LTPage对象
            layout = device.get_result()
            for x in layout:
                if isinstance(x,LTImage):  # 图片对象
                    num_image += 1
                    print(x.get_)
                if isinstance(x,LTCurve):  # 曲线对象
                    num_curve += 1
                if isinstance(x,LTFigure):  # figure对象
                    num_figure += 1
                if isinstance(x, LTTextBoxHorizontal):  # 获取文本内容
                    num_TextBoxHorizontal += 1  # 水平文本框对象增一

                    # 保存文本内容
                    with open(r'test.txt', 'a') as f:
                        results = x.get_text()
                        print(results)
                        f.write(results + '\n')
        print('对象数量：\n','页面数：%s\n'%num_page,'图片数：%s\n'%num_image,'曲线数：%s\n'%num_curve,'水平文本框：%s\n'
              %num_TextBoxHorizontal)
        print(num_figure)


if __name__ == '__main__':
    pdf_path = r'1.pdf'
    parse(pdf_path)

参考：https://www.cnblogs.com/z-x-y/p/9391638.html