pdfminer3k读取pdf文件

#针对python3
pip install pdfminer3k
# -*- coding: utf-8 -*-
from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LTTextBoxHorizontal,LAParams
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
import sys

'''
 解析pdf 文本,保存到txt文件中
'''
Path=r'C:\Users\Administrator\Desktop\负荷识别\负荷识别文献\识别\基于粒子群聚类算法的居民负荷辨识方法_柏慧.pdf';
def parse(path):
    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)):
                        #需要写出编码格式
                        #解决\u8457\u5f55\u683c\u5f0f\uff1a\u67cf\u6167乱码
                        results= x.get_text().encode('raw_unicode_escape').decode('unicode_escape')
                        print(results)
#                     print( x.get_text().encode('utf-8'))
#                         with open(r'C:\Users\admin\Desktop\1.txt', 'a',encoding='utf-8') as f:
#                             results = x.get_text()
#                             print(results)
#                             f.write(results + '\n')

# parse(Path)
print(Path)
            
            

你可能感兴趣的:(python)