怎么在python中使用pdfminer解析pdf文件？很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
成都创新互联从2013年开始，是专业互联网技术服务公司，拥有项目网站设计、
成都做网站网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元鱼台做网站,已为上家服务,为鱼台各地企业和个人服务,联系电话:028-86922220
pdf2txt.py从PDF文件中提取所有文本内容。但不能识别画成图片的文本，这需要特征识别。对于加密的PDF你需要提供一个密码才能解析，对于没有提取权限的PDF文档你得不到任何文本。
dumppdf.py把PDF文件内容变成pseudo-XML格式。这个程序主要用于debug，但是它也可能用于提取一些有意义的内容（比如图片）。
官方主页：https://euske.github.io/pdfminer/
其特征有：1、完全使用python编写。（适用于2.4或更新版本）2、解析，分析，并转换成PDF文档。3、PDF-1.7规范的支持。（几乎）4、中日韩语言和垂直书写脚本支持。5、各种字体类型（Type1、TrueType、Type3，和CID）的支持。6、基本加密（RC4）的支持。7、PDF与HTML转换。8、纲要（TOC）的提取。9、标签内容提取。10、通过分组文本块重建原始的布局。
如果你的Python有安装pip模块，就可以通过命令“python pip install pdfminer”，自动安装pdfminer。
解析pdf文件用到的类：
python的工具，安装当然是使用pip安装了。
pip install pdfminer
命令行方式
为了使用方便，pdfminer 提供了一个命令行工具来直接转换pdf文件，使用方法如下：
pdf2txt.py
编程方式
除了命令行方式以外，对于复杂应用场景，pdfminer 也提供了以编程方式来转换 pdf 文件，主要使用下面几个类来实现：
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。
下面看一个例子：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfpage import PDFPage, PDFTextExtractionNotAllowed
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LAParams
import StringIO
class PDFUtils():
def __init__(self):
pass
def pdf2txt(self, path):
output = StringIO.StringIO()
with open(path, 'rb') as f:
praser = PDFParser(f)
doc = PDFDocument(praser)
if not doc.is_extractable:
raise PDFTextExtractionNotAllowed
pdfrm = PDFResourceManager()
laparams = LAParams()
device = PDFPageAggregator(pdfrm, laparams=laparams)
interpreter = PDFPageInterpreter(pdfrm, device)
for page in PDFPage.create_pages(doc):
interpreter.process_page(page)
layout = device.get_result()
for x in layout:
if hasattr(x, "get_text"):
content = x.get_text()
output.write(content)
content = output.getvalue()
output.close()
return content
if __name__ == '__main__':
path = u'/tmp/abc.pdf'
pdf_utils = PDFUtils()
print pdf_utils.pdf2txt(path)
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联成都网站设计公司行业资讯频道，感谢您对创新互联成都网站设计公司的支持。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、网站设计器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
本文标题：怎么在python中使用pdfminer解析pdf文件-创新互联
标题链接：
http://cdkjz.cn/article/cdsihp.html
