import sys
import importlib
importlib.reload(sys)
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
def readPDF(path,toPath):
#以二进制形式打开pdf文件
f=open(path,"rb")
#创建一个pdf文档分析器
parser=PDFParser(f)
#创建pdf文档
pdfFile=PDFDocument()
#链接分析器与文档对象
parser.set_document(pdfFile)
pdfFile.set_parser(parser)
#有些pdf是带密码的,需要提供初始化密码
pdfFile.initialize()
#检测文档是否提供txt转换
if not pdfFile.is_extractable:
raise PDFTextExtractionNotAllowed#相当于结束
else:
#解析数据
#数据管理器
manager=PDFResourceManager()
#创建一个PDF设备对象
laparams=LAParams()
device=PDFPageAggregator(manager,laparams=laparams)
#解释器对象
interpreter=PDFPageInterpreter(manager,device)
#开始循环处理,每次处理一页
for page in pdfFile.get_pages():
interpreter.process_page(page)
layout=device.get_result()
for x in layout:
if (isinstance(x,LTTextBoxHorizontal)):
with open(toPath,"a") as f:
str=x.get_text()
print(str)
f.write(str+"\n")
path=r"添加文件路径"
toPath=r"添加生成的文件的路径"
readPDF(path,toPath)
