将pdf文件转换成txt文件

官网
文档
中英文pdf都可以，而且处理速度很快，一秒可以处理10页左右
python2：

pip install pdfminer

python3:

pip install pdfminer3k

pdf2txt.py

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 logging# 不显示warning
logging.propagate = False
logging.getLogger().setLevel(logging.ERROR)pdf_filename = "1.pdf"
txt_filename = "out.txt"device = PDFPageAggregator(PDFResourceManager(), laparams=LAParams())
interpreter = PDFPageInterpreter(PDFResourceManager(), device)doc = PDFDocument()
parser = PDFParser(open(pdf_filename, 'rb'))
parser.set_document(doc)
doc.set_parser(parser)
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:with open(txt_filename, 'w', encoding="utf-8") as fw:print("num page:{}".format(len(list(doc.get_pages()))))for page in doc.get_pages():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):results = x.get_text()fw.write(results)

python读取pdf文件并转换成txt文件相关推荐

Veri-776数据集处理 xml文件提取转换成txt文件
Veri-776数据集处理 xml文件提取转换成txt文件最近在做重识别工作,数据处理时需要进行文件格式转换,这里将代码记录下来 from os import getcwd import os fr ...
pdf转txt java_pdf转换txt怎么操作？pdf文件可以转换成txt文件吗？
虽说PDF文件看起来很华丽,包含的信息很多,有文字.有图片,甚至还能有附加的网页信息和视频内容,但是看起来舒服的PDF文件其实使用起来却非常的麻烦,其中可能会有各种各样的格式,二次利用的时候,还需要将 ...
python 读取excel失败可以转换成csv文件
os.rename('sample_file.xls', 'sample_file.csv') csv = pd.read_csv("sample_file.csv", error ...
PDF文件如何批量转换成txt文件
将PDF文件批量转换成txt文件,很简单,使用okfone PDF转换大师 PDF转换大师---下载地址就可以批量转换文件打开PDF转换大师,点击进入[PDF转文件] 在操作类型中选择[PDF转 ...
如何把PDF文档转换成TXT格式文件
在日常学习和日常工作中,如何将PDF文件转换为TXT文本? 尽管PDF文件的用户数量正在增加,但是TXT文本格式的接受度将会更高. 毕竟,TXT文本格式是任何设备都可以打开的格式.那么如何将PDF文件 ...
java将office文档,word,ppt,pdf文档转换成swf文件在线预览
java将office文档pdf文档转换成swf文件在线预览第一步,安装openoffice.org openoffice.org是一套sun的开源office办公套件,能在widows,linux ...
目标跟踪评估绘图（1）：Windows10环境将pycharm跑出来的OTB100数据集的.txt结果文件，转换成.mat文件
本文的视频讲解目标跟踪_OTB数据集和VOT数据集评估图的绘制一.准备工作在GitHub上面下载下载一个SiamFC的代码,自己配置好深度学习环境,然后运行获得测试结果. 准备好pycharm跑出 ...
如何将xlsx表格文件转换成txt文件？
#第二次写CSDN的文章,排版见谅. #主要的目的还是为了给自己留个纪念,十年二十年回过头来看,也是一件不错的事,能够看到自己的点滴成长,回首过往,如何从小菜鸟一步一步变成老菜鸟. #另一个目的就是现 ...
PDF怎么批量转换成TXT格式？
现在大部分人都有阅读电子书的习惯,通常电子书的文件格式都是TXT文件形式,TXT文件是微软在操作系统上附带的一种最常见文本格式,它体积小.存储简单方便,所以我们通常会使用这种格式文档.有时候我们在网上 ...

python读取pdf文件并转换成txt文件

将pdf文件转换成txt文件

python读取pdf文件并转换成txt文件相关推荐

最新文章

热门文章