Python讀取PDF文檔

from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LAParams
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfparser import PDFDocument
from pdfminer.pdfinterp import PDFResourceManager
from pdfminer.pdfinterp import PDFPageInterpreter
from pdfminer.pdfdevice import PDFDevice

# 獲取文檔對象
fp = open("banReport.pdf","rb")

# 創建一個PDF文檔解釋器
parser = PDFParser(fp)

# PDF文檔的對象
doc = PDFDocument()

#連接解釋器和文檔對象
parser.set_document(doc)
doc.set_parser(parser)

# 初始化文檔
doc.initialize('')

# 創建PDF資源管理器
resource = PDFResourceManager()

#參數分析器
laparam = LAParams()

# 創建一個聚合器
device = PDFPageAggregator(resource,laparams=laparam)
# 創建PDF頁面解釋器
interpreter = PDFPageInterpreter(resource,device=device)

# 使用文檔對象得到頁面的集合
for page in doc.get_pages():
    # 使用頁面解釋器來讀取
    interpreter.process_page(page)

    # 使用聚合器來獲取內容
    layout = device.get_result()

    for out in layout:
        if hasattr(out,"get_text"):
            print(out.get_text())