pdf用python讀取的方法

這篇文章主要介紹pdf用python讀取的方法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

python中可以使用pdfminer庫來讀取PDF文件中的內(nèi)容。

安裝命令：

pip install pdfminer

pip install pdfminer3k

python中讀取PDF文件代碼：

from urllib.request import urlopen
from pdfminer.pdfinterp import PDFResourceManager, process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from io import StringIO
from io import open

def readPDF(pdfFile):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, laparams=laparams)

    process_pdf(rsrcmgr, device, pdfFile)
    device.close()

    content = retstr.getvalue()
    retstr.close()
    return content

pdfFile = urlopen("http://pythonscraping.com/pages/warandpeace/chapter1.pdf")
outputString = readPDF(pdfFile)
print(outputString)
pdfFile.close()

解析pdf文件用到的類：

PDFParser：從一個(gè)文件中獲取數(shù)據(jù)

PDFDocument：保存獲取的數(shù)據(jù)，和PDFParser是相互關(guān)聯(lián)的

PDFPageInterpreter處理頁面內(nèi)容

PDFDevice將其翻譯成你需要的格式

PDFResourceManager用于存儲(chǔ)共享資源，如字體或圖像。

以上是pdf用python讀取的方法的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！