Maison > développement back-end > Tutoriel Python > Comment extraire du texte de fichiers PDF à l'aide de l'API PDFMiner mise à jour en Python ?

Comment extraire du texte de fichiers PDF à l'aide de l'API PDFMiner mise à jour en Python ?

Mary-Kate Olsen
Libérer: 2024-10-17 14:25:30
original
690 Les gens l'ont consulté

How to Extract Text from PDF Files Using Updated PDFMiner API in Python?

Extracting Text from PDF Files with PDFMiner in Python

When working with PDF documents, extracting text can be a crucial task. PDFMiner, a Python library, simplifies this process, enabling developers to parse and extract text from PDF files.

Updated PDFMiner API and Outdated Examples

Recent updates to PDFMiner have introduced changes to its API, rendering many existing examples obsolete. The transition to the latest version can leave developers lost, unsure how to perform basic tasks like text extraction.

Example Implementation

To address this issue, let's explore a working example that demonstrates how to extract text from a PDF file using the current PDFMiner library:

<code class="python">from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from io import StringIO

def convert_pdf_to_txt(path):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
    fp = open(path, 'rb')
    interpreter = PDFPageInterpreter(rsrcmgr, device)
    password = ""
    maxpages = 0
    caching = True
    pagenos=set()

    for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching, check_extractable=True):
        interpreter.process_page(page)

    text = retstr.getvalue()

    fp.close()
    device.close()
    retstr.close()
    return text</code>
Copier après la connexion

This code provides a comprehensive approach to text extraction, covering all necessary steps. The convert_pdf_to_txt function takes a file path as input and handles the process of opening the file, initializing the document parser, and converting page content into a text string.

This example illustrates the updated PDFMiner syntax, eliminating the need for outdated code. It has been thoroughly tested and validated for use with the latest PDFMiner version.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

source:php
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Derniers articles par auteur
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal