Python批量提取PDF文件中文本的脚本
更新时间：2021年04月05日 09:02:00 作者：董付国
这篇文章主要为大家详细介绍了Python批量提取PDF文件中文本的脚本，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
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
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了python 使用递归的方式实现语义图片分割,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-07-07
这篇文章主要介绍了python 解决函数返回return的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-12-12
Python 在 3.7 的时候引入了一个模块：contextvars，从名字上很容易看出它指的是上下文变量。所以本文就来和大家详细讲讲如何使用contextvars实现管理上下文变量，需要的可以参考一下2022-07-07
本文给大家汇总介绍了下几种使用Python编写简单爬虫的方法和代码，非常的不错，这里分享给大家，希望大家能够喜欢。2016-03-03
这篇文章主要为大家详细介绍了如何利用Python语言实现将字典内容写入json文件，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2022-08-08
将 Ubuntu 16 和 18 上的 python 升级到最新 python3.8 的方法教程
这篇文章主要介绍了如何将 Ubuntu 16 和 18 上的 python 升级到最新 3.8 版,本文通过实例代码相结合给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-03-03
在 Python 开发中,我们经常需要处理日期和时间,虽然 datetime 库是最常用的选择,但其实 Python 标准库中的 calendar 模块也是一个强大的工具,下面我们就来看看它的具体使用吧2024-12-12
这篇文章主要介绍了Python实现从url中提取域名的几种方法,本文给出了3种方法实现在URL中提取域名的需求,需要的朋友可以参考下2014-09-09
这篇文章主要介绍了如何用python绘制桃花树，帮助大家更好的使用python处理图片，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-08-08
今天小编就为大家分享一篇解决python web项目意外关闭,但占用端口的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
最新评论