如何在 Python 中使用最新版本的 PDFMiner 从 PDF 文件中提取文本？

使用 Python 中的 PDFMiner 从 PDF 文件中提取文本

问题：

我怎样才能使用最新版本的 Python 中的 PDFMiner 从 PDF 文件中提取文本？

答案：

PDFMiner 最近进行了重大的 API 更新。以下是使用当前版本提取文本的方法：

<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>

注意：此解决方案解决了 PDFMiner 最近更新引入的 API 更改，确保与当前版本的库的兼容性。

以上是如何在 Python 中使用最新版本的 PDFMiner 从 PDF 文件中提取文本？的详细内容。更多信息请关注PHP中文网其他相关文章！