資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化學
生物
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究Python 中有哪些可用於將 PDF 轉換為文字的模組？
您可以使用 PDFMiner 程式包將 PDF 轉換為文字。
示例
您可以透過以下方式使用它：
import sys
from cStringIO import StringIO
from pdfminer.pdfpage importPDFPage
from pdfminer.pdfinterp importPDFResourceManager, PDFPageInterpreter
from pdfminer.layout importLAParams
from pdfminer.converter importXMLConverter, HTMLConverter, TextConverter
def pdfparser(data):
fp = file(data, 'rb')
resource_manager = PDFResourceManager()
retstr = StringIO()
codec = 'utf-8'
laparams = LAParams()
device = TextConverter(resource_manager,retstr, codec=codec, laparams=laparams)
interpreter =PDFPageInterpreter(resource_manager, device)
# Process each page contained in thedocument.
for page in PDFPage.get_pages(fp):
interpreter.process_page(page)
data = retstr.getvalue()
print data
pdfparser('filename.pdf')此方法匯入一個 pdf 檔案，並使用來自 PDFPageInterpreter 類的 process_page 函式逐頁從中提取文字。
PDFMiner 的替代方法是使用一個更簡單易用的 API 來提取文字。pyPDF 可以正常工作（假設您使用的是格式良好的 PDF）。如果您只需要文字（帶空格），則可以執行以下操作
import pyPdf
pdf = pyPdf.PdfFileReader(open('filename.pdf',"rb"))
for page in pdf.pages:
print page.extractText()
更新於： 11-Dec-2019
216 瀏覽次數
廣告