Python批量提取PDF文件中文本的脚本
本文实例为大家分享了Python批量提取PDF文件中文本的具体代码，供大家参考，具体内容如下
首先需要执行命令pipinstallpdfminer3k来安装处理PDF文件的扩展库。
importos
importsys
importtime
pdfs=(pdfsforpdfsinos.listdir('.')ifpdfs.endswith('.pdf'))
forpdf1inpdfs:
pdf=pdf1.replace('','_').replace('-','_').replace('&','_')
os.rename(pdf1,pdf)
print('='*30)
print(pdf)
txt=pdf[:-4]+'.txt'
exe='"'+sys.executable+'""'
pdf2txt=os.path.dirname(sys.executable)
pdf2txt=pdf2txt+'\\scripts\\pdf2txt.py"-o'
try:
#调用命令行工具pdf2txt.py进行转换
#如果pdf加密过可以改写下面的代码
#在-o前面使用-P来指定密码
cmd=exe+pdf2txt+txt+''+pdf
os.popen(cmd)
#转换需要一定时间，一般小文件2秒钟足够了
time.sleep(2)
#输出转换后的文本，前200个字符
withopen(txt,encoding='utf8')asfp:
print(fp.read(200))
except:
pass
来源：python小屋
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。