Python批量提取PDF文件中文本的脚本
2019/7/15 1:02:44
本文主要是介绍Python批量提取PDF文件中文本的脚本,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
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找一找教程网。
这篇关于Python批量提取PDF文件中文本的脚本的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-09-27使用python 将ETH账户的资产打散
- 2024-09-26Python编程基础
- 2024-09-2610 种方法写出更好的 Python 代码
- 2024-09-25Python编程基础详解
- 2024-09-25Python编程入门教程
- 2024-09-25从零开始使用Python构建LLaMA 3
- 2024-09-23Python中理解和使用树形结构的简单教程
- 2024-09-23Python 编程基础入门
- 2024-09-18初探Python股票自动化交易:入门指南
- 2024-09-18Python量化入门:轻松掌握量化分析基础与实战