使用Python读取pdf文件

学习python，不用再为pdf无法转换而烦恼~~~

下面我们介绍python读取pdf文件（主要是针对文字部分）

1、打开环境

2、安装pdfminer3k包

可以使用jupyter notebook进行安装，如下图所示：

安装成功，大功告成第一步。

3、导入相关的包：

from io import StringIO
from pdfminer.pdfinterp import PDFResourceManager
from pdfminer.pdfinterp import process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
import re

如图：

4、定义一个读取pdf文档的函数：

 def read_from_pdf(file_path):
    """
    读取pdf文件
    """
    with open(file_path,'rb') as file:
        resource_manager = PDFResourceManager()
        return_str = StringIO()
        lap_params = LAParams()
        device = TextConverter(resource_manager,return_str,laparams=lap_params)
        process_pdf(resource_manager,device,file)
        device.close()
        content = return_str.getvalue()
        return_str.close()
        return re.sub('\s+','',content) 

 5、使用定义的函数进行测试实验：

read_from_pdf('葡萄酒数据挖掘.pdf')

根据你自己的pdf文件和具体情况进行实验，路径可以是绝对路径和相对路径，任意实验。

实验效果还不错，学习起来吧~~~