如何在Python 3中安装textract？

Question

我想从pdf中提取内容，但是pypdf2不能提取所有信息，并且由于以下错误，textract无法安装到3.7中：

UnicodeDecodeError: 'charmap' codec can't decode byte 0x8d in position 1671: character maps to <undefined>

Answer 1

1. 从https://pypi.python.org/pypi/textract

下载textract的源文件

2. pip3 install pdfminer3k

3. untar下载的文件

4. cd进入目录

5. 运行：python3 setup.py install

希望它对您有用:)

Answer 2

我已通过以下步骤在Windows 10上安装了textract：-

1. pip install textract
2. 安装 poppler ：
   • 下载存档-http://blog.alivate.com.au/wp-content/uploads/2018/10/poppler-0.68.0_x86.7z
   • 提取
   • 将完整文件夹粘贴到C:\Program Files
   • 将C:\Program Files\poppler-0.68.0\bin添加到路径变量
3. 安装完成
4. 测试者-import textract
5. textract.process('path_to_file_with_extension')

要进一步参考，您可以click here

希望对您有帮助！