从python中的pdf文件对象中提取文本

Question

我们可以从请求中收集的pdf文件对象中提取文本，例如

f = request.FILES.get('file', None)

因此，当我们从文本文件对象中获取文本内容时，我们可以从f提取文档的文本。

Answer 1

尝试使用名为textract

的库

http://textract.readthedocs.io/en/latest/

它支持许多格式，包括PDF

import textract
text = textract.process("path/to/file.extension")