Python批量提取PDF文件中文本 Python批量提取PDF文件中文本的脚本
董付国 人气:0想了解Python批量提取PDF文件中文本的脚本的相关内容吗,董付国在本文为您仔细讲解Python批量提取PDF文件中文本的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:Python批量提取PDF文本,Python批量提取PDF,Python批量提取,下面大家一起来学习吧。
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
加载全部内容