pdf转txt

【爆款推荐】一次性医用口罩医疗三层防护成人医生专用夏天夏季透气单独立包装 2小时销量达421件 原价9.90元,券后价仅6.90元 【立即领券】即可领券购买
【立即下单】

问题背景:
有时候需要用到pdf文件中的信息,但是pdf不易编辑,格式有局限性,需要转成txt这样的格式。

目标:
将给定pdf文件中的文本信息(暂时不考虑表格、图片等)抽取出来,写入txt文件中。

主要工具:
python的pdfminer3k库(pdfminer的python3端口,pdfminer是一个用于从文档中提取信息的工具)

import importlib
import sys
import time

from pdfminer.pdfparser import PDFParser, PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LTTextBoxHorizontal, LAParams
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed

importlib.reload(sys)
time1 = time.time()

def parse(pdf_path, txt_path):
# 解析PDF文本,并保存到TXT文件中
fp = open(pdf_path, ‘rb’)
# 用文件对象创建一个PDF文档分析器
parser = PDFParser(fp)
# 创建一个PDF文档
doc = PDFDocument()
# 连接分析器,与文档对象

剩余80%内容付费后可查看