pdf文件的讀取和識別

1.首先安裝庫  pdfminer3k

2.幾個類

• PDFParser： 用來解析pdf文件。
• PDFDocument：用來保存 PDFParser 解析后的對象。
• PDFPageInterpreter：用來處理解析后的文檔頁面內容。
• PDFResourceManager：pdf 共享資源管理器,用於存儲共享資源，如字體或圖像。

3.代碼(其實有一點問題,我會盡快找到解決辦法,然后更改)

#讀取解析pdf文件    報錯xxxx
from io import StringIO
from pdfminer.pdfinterp import PDFResourceManager,process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams


pdf_file = open(r'長恨歌.pdf','rb')
rsrcmgr = PDFResourceManager()
retstr = StringIO()
laparams = LAParams()

device = TextConverter(rsrcmgr=rsrcmgr,outfp=retstr,laparams=laparams)
process_pdf(rsrcmgr=rsrcmgr,device=device,fp=pdf_file)
device.close()
content = retstr.getvalue()
retstr.close()
pdf_file.close()

print(content)