Question

我知道如何在命令行中使用pdfminer.six的pdf2txt.py工具；但是，我有许多PDF文件可以转换为txt文件，我不能只在命令行中一个接一个地完成它。我还没有发现如何在实际的python脚本中使用此工具。有什么想法吗？

Answer 1

好消息是，您可以使用PDFMiner库重新创建可能在命令行上使用pdf2text运行的所有属性/命令。请参阅下面的基本示例：

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from io import BytesIO

def pdf_to_text(path):
    manager = PDFResourceManager()
    retstr = BytesIO()
    layout = LAParams(all_texts=True)
    device = TextConverter(manager, retstr, laparams=layout)
    filepath = open(path, 'rb')
    interpreter = PDFPageInterpreter(manager, device)

    for page in PDFPage.get_pages(filepath, check_extractable=True):
        interpreter.process_page(page)

    text = retstr.getvalue()

    filepath.close()
    device.close()
    retstr.close()
    return text


if __name__ == "__main__":
    text = pdf_to_text("yourfile.pdf")
    print(text)

如果需要应用页码或密码，则这些是PDFPage.get_pages中的可选参数。同样，如果您需要更改布局（例如全文本或页边距大小），则可以使用LAParams初始化程序的可选属性

如何在python脚本和外部命令行中使用pdfminer.six的pdf2txt.py？

1 个答案: