从pdf文件创建.txt文件

Question

现在，我正在用python编写一个程序，要求您打开某个.pdf文件，然后在.txt文件上打开control + A（选择全部），control C和Control V（复制并粘贴），然后运行该程序。

我想知道是否有什么方法可以跳过步骤并运行程序，而不必执行此步骤序列，而只需引用程序内部的pdf文件即可。

就像是：

##does the procedure above and saves it on a notes.txt file##
FILE_NAME = 'notes.pdf'
read_pdf(FILE_NAME,'notes.txt') 

Answer 1

使用slate模块，取决于pdfminer 。

要安装它：

pip install pdfminer==20131113
pip install https://codeload.github.com/timClicks/slate/zip/master

要使用它：

import slate

with open('example.pdf') as fp:
    doc = slate.PDF(fp)

print(len(doc))
print(doc[0])

4
This is a test.

笔记：

• pdfminer模块不支持 Python 3 。

• 您需要从主存储库安装slate ，因为spi的pypi版本较旧，并且与pdfminer 最新 更改不兼容 。

或者使用PyPDF2 ：

要安装它：

pip install PyPDF2

要使用它：

import PyPDF2

pdf = PyPDF2.PdfFileReader(open('sample.pdf', "rb"))

print(pdf.getNumPages())
print(pdf.getPage(0).extractText())

1
This is a sample.

Answer 2

您可以使用多种方法和许多实用程序来自动执行此步骤。

Windows上有一个用于GUI自动化的Python模块： pywinauto ，但仅Windows。

您可以使用像PyPDF2这样的纯python库，该库具有extractText函数。 或PDFMiner 。

poppler库也具有其python绑定，可以像PyPDF2一样用于提取文本。

您可以从python调用外部程序，例如Xpdf的pdftotext 。