python讀取pdf文本內容的方法：首先打開相應的python腳本文件；然后使用PDFMiner工具來讀取pdf文本內容；最后通過print輸出讀取后的內容即可。

python讀取pdf文本內容

python處理pdf也是常用的技術了，對于python3來說，pdfminer3k是一個非常好的工具。

PDFMiner是一個可以從PDF文檔中提取信息的工具。與其他PDF相關的工具不同，它注重的完全是獲取和分析文本數據。

PDFMiner允許你獲取某一頁中文本的準確位置和一些諸如字體、行數的信息。它包括一個PDF轉換器，可以把PDF文件轉換成HTML等格式。它還有一個擴展的PDF解析器，可以用于除文本分析以外的其他用途。pip install pdfminer3k

首先，為了滿足大部分人的需求，我先給一個通用一點的腳本來讀取pdf中的文本：from io import StringIO

from io import open

from pdfminer.converter import TextConverter

from pdfminer.layout import LAParams

from pdfminer.pdfinterp import PDFResourceManager, process_pdf

def read_pdf(pdf):

# resource manager

rsrcmgr = PDFResourceManager()

retstr = StringIO()

laparams = LAParams()

# device

device = TextConverter(rsrcmgr, retstr, laparams=laparams)

process_pdf(rsrcmgr, device, pdf)

device.close()

content = retstr.getvalue()

retstr.close()

# 獲取所有行

lines = str(content).split("\n")

return lines

if __name__ == '__main__':

with open('t1.pdf', "rb") as my_pdf:

print(read_pdf(my_pdf))

我主要是想在pdf中抽出自己想要的一些關鍵信息，所以需要找到這些信息的共同點。幸運的是，這些關鍵信息的行都含有'//'，所以我只需找到含有'//'的行就行了，于是寫了以下腳本。

這樣就可以直接使用了，我們先看腳本：from io import StringIO

from io import open

from pdfminer.converter import TextConverter

from pdfminer.layout import LAParams

from pdfminer.pdfinterp import PDFResourceManager, process_pdf

def read_pdf(pdf):

# resource manager

rsrcmgr = PDFResourceManager()

retstr = StringIO()

laparams = LAParams()

# device

device = TextConverter(rsrcmgr, retstr, laparams=laparams)

process_pdf(rsrcmgr, device, pdf)

device.close()

content = retstr.getvalue()

retstr.close()

# 獲取所有行

lines = str(content).split("\n")

units = [1, 2, 3, 5, 7, 8, 9, 11, 12, 13]

header = '\x0cUNIT '

# print(lines[0:100])

count = 0

flag = False

text = open('words.txt', 'w+')

for line in lines:

if line.startswith(header):

flag = False

count += 1

if count in units:

flag = True

print(line)

text.writelines(line + '\n')

if '//' in line and flag:

text_line = line.split('//')[0].split('. ')[-1]

print(text_line)

text.writelines(text_line+'\n')

text.close()

def _main():

my_pdf = open('t1.pdf', "rb")

read_pdf(my_pdf)

my_pdf.close()

if __name__ == '__main__':

_main()

其實看到lines = str(content).split("\n")那一行就夠了，我們可以把lines都print出來，就可以看到pdf里面的內容。

這樣我們就可以把pdf文件處理看作簡單的字符串數據處理了。接下來的腳本操作也不用過多解釋了。

更多相關知識，請訪問 PHP中文網！！

本文原創發布php中文網，轉載請注明出處，感謝您的尊重！

總結

以上是生活随笔為你收集整理的python怎么读取pdf为文本_python怎么读取pdf文本内容的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。