码迷,mamicode.com
首页 > 其他好文 > 详细

pdf文件的读取和识别

时间:2020-08-02 12:47:54      阅读:112      评论:0      收藏:0      [点我收藏+]

标签:代码   tst   val   col   ice   存储   value   ram   imp   

1.首先安装库  pdfminer3k

2.几个类

  • PDFParser: 用来解析pdf文件。
  • PDFDocument:用来保存 PDFParser 解析后的对象。
  • PDFPageInterpreter:用来处理解析后的文档页面内容。
  • PDFResourceManager:pdf 共享资源管理器,用于存储共享资源,如字体或图像。

3.代码(其实有一点问题,我会尽快找到解决办法,然后更改)
#读取解析pdf文件    报错xxxx
from io import StringIO
from pdfminer.pdfinterp import PDFResourceManager,process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams


pdf_file = open(r长恨歌.pdf,rb)
rsrcmgr = PDFResourceManager()
retstr = StringIO()
laparams = LAParams()

device = TextConverter(rsrcmgr=rsrcmgr,outfp=retstr,laparams=laparams)
process_pdf(rsrcmgr=rsrcmgr,device=device,fp=pdf_file)
device.close()
content = retstr.getvalue()
retstr.close()
pdf_file.close()

print(content)

 

pdf文件的读取和识别

标签:代码   tst   val   col   ice   存储   value   ram   imp   

原文地址:https://www.cnblogs.com/sunflying/p/13418441.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!