Bagaimana untuk Menukar PDF ke Teks dengan Python?

Menukar PDF kepada Teks dengan Python

S: Adakah terdapat modul Python yang boleh menukar fail PDF kepada teks?

J: Ya, terdapat modul Python yang dipanggil PDFMiner yang boleh mengekstrak teks daripada fail PDF sebagai HTML, SGML atau Format "Tagged PDF".

PDFMiner ialah alat yang berkuasa untuk bekerja dengan dokumen PDF. Ia boleh mengekstrak teks, imej dan metadata daripada PDF. Format PDF Teg yang dihasilkannya adalah yang paling bersih, dan menanggalkan teg XML meninggalkan hanya teks kosong.

Pemasangan:

Untuk Python 2.x:

pip install pdfminer

Untuk Python 3.x:

pip install pdfminer.six

Atas ialah kandungan terperinci Bagaimana untuk Menukar PDF ke Teks dengan Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!