Python批量提取PDF文件中文本的脚本
170 浏览量
2020-12-25
06:41:38
上传
评论
收藏 31KB PDF 举报
Python批量提取批量提取PDF文件中文本的脚本文件中文本的脚本
本文实例为大家分享了Python批量提取PDF文件中文本的具体代码，供大家参考，具体内容如下
首先需要执行命令pip install pdfminer3k来安装处理PDF文件的扩展库。
import os
import sys
import time
pdfs = (pdfs for pdfs in os.listdir('.') if pdfs.endswith('.pdf'))
for pdf1 in pdfs:
pdf = pdf1.replace(' ', '_').replace('-', '_').replace('&', '_')
os.rename(pdf1, pdf)
print('='*30)
print(pdf)
txt = pdf[:-4] + '.txt'
exe = '"' + sys.executable + '" "'
pdf2txt = os.path.dirname(sys.executable)
pdf2txt = pdf2txt + '\scripts\pdf2txt.py" -o '
try:
#调用命令行工具pdf2txt.py进行转换
#如果pdf加密过可以改写下面的代码
#在-o前面使用-P来指定密码
cmd = exe + pdf2txt + txt + ' ' + pdf
os.popen(cmd)
#转换需要一定时间，一般小文件2秒钟足够了
time.sleep(2)
#输出转换后的文本，前200个字符
with open(txt, encoding='utf8') as fp:
print(fp.read(200))
except:
pass
来源：python小屋
您可能感兴趣的文章您可能感兴趣的文章:python基于pdfminer库提取pdf文字代码实例python实现从pdf文件中提取文本,并自动翻译的方法Python
提取PDF内容的方法(文本、图像、线条等)
资源评论
