Я использую Python 3.4 и вам нужно извлечь весь текст из PDF, а затем использовать его для обработки текста.Лучший инструмент для извлечения текста из PDF в Python 3.4
Все ответы, которые я видел, предлагают варианты для Python 2.7.
Мне нужно что-то в Python 3.4.
Бонсон
Вам необходимо установить модуль PyPDF2, чтобы иметь возможность работать с PDF-файлами в Python 3.4. PyPDF2 не может извлекать изображения, диаграммы или другие носители, но он может извлекать текст и возвращать его как строку Python. Чтобы установить его, запустите pip install PyPDF2 из командной строки. Это имя модуля чувствительно к регистру, поэтому обязательно введите «y» в нижнем регистре, а все остальные символы - в верхнем регистре.
>>> import PyPDF2
>>> pdfFileObj = open('my_file.pdf','rb') #'rb' for read binary mode
>>> pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
>>> pdfReader.numPages
56
>>> pageObj = pdfReader.getPage(9) #'9' is the page number
>>> pageObj.extractText()
Последний оператор возвращает весь текст, который доступен на странице 9 документа 'my_file.pdf'.
Привет, Ritesh. Вы случайно знаете, что вы знакомы с этим вопросом. [Вопрос] (http://stackoverflow.com/questions/32773517/python-based-pdf-mining-and-table-text-processing). – Bonson
Незначительная коррекция - подумайте, что shoudl будет цитатами для «rb» в команде open на строке два, а не только rb. – kyrenia
Кроме того, страницы в pypdf2 ноль-индексируются, т. Е. 'GetPage (9)' получит вам страницу # 10. Номера страниц в исходном документе полностью игнорируются pypdf2. – nostradamus
pdfminer.six (https://github.com/pdfminer/pdfminer.six) также был рекомендован в другом месте и предназначен для поддержки Python 3. Я не могу лично ручаться за него, поскольку он не удался во время установки MacOS. (Для этого есть открытая проблема, и, похоже, это недавняя проблема, поэтому может быть быстрое исправление.)
Не знаете, почему голосующий голос. Как я уже упоминал, я проверил все доступные, а также на google. Единственное, что я нашел, которое можно использовать с Python 3.4, было в этой [детали xPDF] (http://stackoverflow.com/questions/18320932/looking-for-recommendation-on-how-to-convert-pdf-into- структурированный формат? lq = 1) все остальные версии 2.7. Я ничего не нашел на версии 3.4 Python. Просьба также прокомментировать, когда проголосовали. – Bonson