Python3如何读取pdf文件并输出文本内容？

学习python，不用再为pdf无法转换为word而烦恼。下面我们介绍python读取pdf文件（主要是针对文字部分）。

安装需要的包：

pip install pdfminer
pip install pdfminer3k

如上图所示，安装成功！

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

读取PDF文件：

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)

测试算法：

首先我们找到一个PDF：

我们的输出结果为：

print(read_from_pdf('poem.pdf'))

正月：兰蕙芬。瑞香烈。樱桃始葩。径草绿。望春初放。百花萌动。二月：桃始夭。玉兰解。紫荆繁。杏花饰其靥。梨花溶。李花白。三月：蔷薇蔓。木笔书空。棣萼韡韡。杨入大水为萍。海棠睡。绣球落。四月：牡丹王。芍药相于阶。罂粟满。木香上升。杜鹃归。荼穈香梦。五月：榴花照眼。萱北乡。夜合始交。薝匐有香。锦葵开。山丹赪。六月：桐花馥。菡萏为莲。茉莉来宾。凌霄结。凤仙绛于庭。鸡冠环户。七月：葵倾日。玉簪搔头。紫薇浸月。木槿朝荣。蓼花红。菱花乃实。八月：槐花黄。桂香飘。断肠始娇。白蘋开。金钱夜落。丁香紫。九月：菊有英。芙蓉冷。汉宫秋老。芰荷化为衣。橙橘登。山药乳。十月：木叶落。芳草化为薪。苔枯萎。芦始荻。朝菌歇。花藏不见。十一月：蕉花红。枇杷蕊。松柏秀。蜂蝶蛰。剪綵时行。花信风至。十二月：蜡梅坼。茗花发。水仙负冰。梅香绽。山茶灼。雪花六出。

输出成功！

Python3如何读取pdf文件并输出文本内容？相关推荐

itextsharp 获取文本_利用iTextSharp提取PDF文件中的文本内容
最近测试中需要对比两个PDF文件的内容,当然只是文字没有图表的,但是没有现成的工具可用.于是我的想法是先把PDF转换为Text,然后再对比Text的内容.现在问题的关键变成了如何提取PDF中的文本,在 ...
Python使用pdfminer3k提取PDF文件中的文本
推荐教材: <Python程序设计(第3版)>,(ISBN:978-7-302-55083-9),董付国,清华大学出版社,2020年6月第1次印刷,2021年12月第11次印刷,山东省一流 ...
python下载网页中的pdf文件_Python读取网页上的pdf文件，输出字符串
读取一个本地pdf文件,输出字符串 # -*- coding: UTF-8 -*from urllib import urlopenfrom pdfminer.pdfinterp import PDF ...
python读取中文txt文本-Python3 解决读取中文文件txt编码的问题
问题描述尝试用Python写一个Wordcloud的时候,出现了编码问题. 照着网上某些博客的说法添添改改后,结果是变成了"UnicodeDecodeError: "utf-8' ...
python解析并读取PDF文件：函数总结
目录 1.PyPDF2 2. pdfminer & pdfminer3k 3. pdfplumber 4. Camelot 虽然PDF文件对文本布局非常好,容易打印并阅读,但软件要将它们解析为 ...
python 读取文件读出来是什么格式-深入学习python解析并读取PDF文件内容的方法...
这篇文章主要学习了python解析并读取PDF文件内容的方法,包括对学习库的应用,python2.7和python3.6中python解析PDF文件内容库的更新,包括对pdfminer库的详细解释和应 ...
python中读取文件内容-深入学习python解析并读取PDF文件内容的方法
这篇文章主要学习了python解析并读取PDF文件内容的方法,包括对学习库的应用,python2.7和python3.6中python解析PDF文件内容库的更新,包括对pdfminer库的详细解释和应 ...
python读取pdf文件_深入学习python解析并读取PDF文件内容的方法
这篇文章主要学习了python解析并读取PDF文件内容的方法,包括对学习库的应用,python2.7和python3.6中python解析PDF文件内容库的更新,包括对pdfminer库的详细解释和应 ...
python实现：读取PDF文件中的英文单词，并将前二十个高频词储存到一个docx文档中
总体思路如下: 1.读取PDF文件,将其中的英文单词提取出来 2.获得每个英文单词的词频,通过字典将英文单词及其词频配对 3.将英文单词按照词频由大到小排序 4.创建并写入docx文档首先打开PDF ...

Python3如何读取pdf文件并输出文本内容？

Python3如何读取pdf文件并输出文本内容？相关推荐

最新文章

热门文章