Python批量提取PDF文件中文本的脚本

Python  /  管理员 发布于 7年前   230

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 osimport sysimport timepdfs = (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。