编辑(再次)：

PDFMiner已在版本中再次更新。20100213

您可以使用以下内容检查已安装的版本：>>> import pdfminer>>> pdfminer.__version__'20100213'

以下是更新的版本(附带关于我更改/添加的内容的注释)：def pdf_to_csv(filename):

from cStringIO import StringIO  #

from pdfminer.converter import LTTextItem, TextConverter

from pdfminer.pdfparser import PDFDocument, PDFParser

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

class CsvConverter(TextConverter):

def __init__(self, *args, **kwargs):

TextConverter.__init__(self, *args, **kwargs)

def end_page(self, i):

from collections import defaultdict

lines = defaultdict(lambda : {})

for child in self.cur_item.objs:

if isinstance(child, LTTextItem):

(_,_,x,y) = child.bbox                   #

line = lines[int(-y)]

line[x] = child.text.encode(self.codec)  #

for y in sorted(lines.keys()):

line = lines[y]

self.outfp.write(";".join(line[x] for x in sorted(line.keys())))

self.outfp.write("\n")

# ... the following part of the code is a remix of the

# convert() function in the pdfminer/tools/pdf2text module

rsrc = PDFResourceManager()

outfp = StringIO()

device = CsvConverter(rsrc, outfp, codec="utf-8")  #

# becuase my test documents are utf-8 (note: utf-8 is the default codec)

doc = PDFDocument()

fp = open(filename, 'rb')

parser = PDFParser(fp)       #

parser.set_document(doc)     #

doc.set_parser(parser)       #

doc.initialize('')

interpreter = PDFPageInterpreter(rsrc, device)

for i, page in enumerate(doc.get_pages()):

outfp.write("START PAGE %d\n" % i)

interpreter.process_page(page)

outfp.write("END PAGE %d\n" % i)

device.close()

fp.close()

return outfp.getvalue()

编辑(再一次)：

下面是最新版本的更新皮皮, 20100619p1..总之我代替了LTTextItem带着LTChar并将LAParams的一个实例传递给Csv转换器构造函数。def pdf_to_csv(filename):

from cStringIO import StringIO

from pdfminer.converter import LTChar, TextConverter    #

from pdfminer.layout import LAParams

from pdfminer.pdfparser import PDFDocument, PDFParser

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

class CsvConverter(TextConverter):

def __init__(self, *args, **kwargs):

TextConverter.__init__(self, *args, **kwargs)

def end_page(self, i):

from collections import defaultdict

lines = defaultdict(lambda : {})

for child in self.cur_item.objs:

if isinstance(child, LTChar):               #

(_,_,x,y) = child.bbox

line = lines[int(-y)]

line[x] = child.text.encode(self.codec)

for y in sorted(lines.keys()):

line = lines[y]

self.outfp.write(";".join(line[x] for x in sorted(line.keys())))

self.outfp.write("\n")

# ... the following part of the code is a remix of the

# convert() function in the pdfminer/tools/pdf2text module

rsrc = PDFResourceManager()

outfp = StringIO()

device = CsvConverter(rsrc, outfp, codec="utf-8", laparams=LAParams())  #

# becuase my test documents are utf-8 (note: utf-8 is the default codec)

doc = PDFDocument()

fp = open(filename, 'rb')

parser = PDFParser(fp)

parser.set_document(doc)

doc.set_parser(parser)

doc.initialize('')

interpreter = PDFPageInterpreter(rsrc, device)

for i, page in enumerate(doc.get_pages()):

outfp.write("START PAGE %d\n" % i)

if page is not None:

interpreter.process_page(page)

outfp.write("END PAGE %d\n" % i)

device.close()

fp.close()

return outfp.getvalue()

编辑(再编辑一次)：

更新为版本20110515(感谢Oeufcoque Peneano！)：def pdf_to_csv(filename):

from cStringIO import StringIO

from pdfminer.converter import LTChar, TextConverter

from pdfminer.layout import LAParams

from pdfminer.pdfparser import PDFDocument, PDFParser

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

class CsvConverter(TextConverter):

def __init__(self, *args, **kwargs):

TextConverter.__init__(self, *args, **kwargs)

def end_page(self, i):

from collections import defaultdict

lines = defaultdict(lambda : {})

for child in self.cur_item._objs:                #

if isinstance(child, LTChar):

(_,_,x,y) = child.bbox

line = lines[int(-y)]

line[x] = child._text.encode(self.codec) #

for y in sorted(lines.keys()):

line = lines[y]

self.outfp.write(";".join(line[x] for x in sorted(line.keys())))

self.outfp.write("\n")

# ... the following part of the code is a remix of the

# convert() function in the pdfminer/tools/pdf2text module

rsrc = PDFResourceManager()

outfp = StringIO()

device = CsvConverter(rsrc, outfp, codec="utf-8", laparams=LAParams())

# becuase my test documents are utf-8 (note: utf-8 is the default codec)

doc = PDFDocument()

fp = open(filename, 'rb')

parser = PDFParser(fp)

parser.set_document(doc)

doc.set_parser(parser)

doc.initialize('')

interpreter = PDFPageInterpreter(rsrc, device)

for i, page in enumerate(doc.get_pages()):

outfp.write("START PAGE %d\n" % i)

if page is not None:

interpreter.process_page(page)

outfp.write("END PAGE %d\n" % i)

device.close()

fp.close()

return outfp.getvalue()