python 使用pdfminer3k处理PDF

---

*_encoding:utf-8_*

author: lqp

---

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

获取文档对象

fp = open(“E:\spider\Flask官方文档中文版.pdf”, ‘rb’)

---

创建一个与文档关联的解释器

parse = PDFParser(fp)

---

PDF文档的对象

doc = PDFDocument()

---

连接文档对象和解析器

parse.set_document(doc)
doc.set_parser(parse)

---

初始化文档， 可以设置密码

doc.initialize(”)

---

创建PDF的资源管理器

resource = PDFResourceManager()

---

参数分析器

laparam = LAParams()

创建一个聚合器

device = PDFPageAggregator(resource, laparams=laparam)

---

创建PDF页面解释器

interpreter = PDFPageInterpreter(resource, device)

---

使用文档对象得到页面的集合

for page in doc.get_pages():
# 使用页面解析器来读取
interpreter.process_page(page)
# 使用聚合器来获取内容
layout = device.get_result()

---

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