pdf文件的读取和识别

Posted 2020-12-19 sunflying

1.首先安装库  pdfminer3k

2.几个类

• PDFParser： 用来解析pdf文件。
• PDFDocument：用来保存 PDFParser 解析后的对象。
• PDFPageInterpreter：用来处理解析后的文档页面内容。
• PDFResourceManager：pdf 共享资源管理器,用于存储共享资源，如字体或图像。

3.代码(其实有一点问题,我会尽快找到解决办法,然后更改)

#读取解析pdf文件    报错xxxx
from io import StringIO
from pdfminer.pdfinterp import PDFResourceManager,process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams


pdf_file = open(r‘长恨歌.pdf‘,‘rb‘)
rsrcmgr = PDFResourceManager()
retstr = StringIO()
laparams = LAParams()

device = TextConverter(rsrcmgr=rsrcmgr,outfp=retstr,laparams=laparams)
process_pdf(rsrcmgr=rsrcmgr,device=device,fp=pdf_file)
device.close()
content = retstr.getvalue()
retstr.close()
pdf_file.close()

print(content)