python读取PDF文档

本文介绍了一个使用Python的pdfminer库从PDF文档中提取文本的详细步骤。通过打开PDF文件,创建解析器,初始化文档,设置资源管理器和参数分析器,创建页面聚合器和页面解析器,最终遍历文档的每一页并打印出文本内容。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LAParams
from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager,PDFPageInterpreter
from pdfminer.pdfdevice import PDFDevice


#获取文档对象
fp =open("深入 Python 3 .pdf","rb")

#创建一个与文档关联的解释器
parser = PDFParser(fp)

#PDF文档的对象
doc = PDFDocument()

#链接解释器和文档对象
parser.set_document(doc)
doc.set_parser(parser)

#初始化文档
doc.initialize("")

#创建PDF资源管理器
resource = PDFResourceManager()

#参数分析器
laparam= LAParams()

#创建一个聚合器
device = PDFPageAggregator(resource,laparams=laparam)

#创建PDF页面解析器
interpreter=PDFPageInterpreter(resource,device)

#使用文档对象得到的页面的集合
for page in doc.get_pages():
    interpreter.process_page(page)
    layout = device.get_result()

    for out in layout:
        if hasattr(out,'get_text'):
            print(out.get_text())

运行结果
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值