Python批量提取PDF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 + 'scriptspdf2txt.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编程小技巧。

您可能感兴趣的文章:

• python将html转成PDF的实现代码(包含中文)
• Python生成pdf文件的方法
• Python实现将DOC文档转换为PDF的方法
• Python实现批量把SVG格式转成png、pdf格式的代码分享
• python使用reportlab实现图片转换成pdf的方法
• 基于Python实现对PDF文件的OCR识别
• 利用Python的Django框架生成PDF文件的教程
• 利用python程序生成word和PDF文档的方法
• 用python 制作图片转pdf工具
• 批量将ppt转换为pdf的Python代码 只要27行!

（编辑：安卓应用网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!