python读取电子发票PDF文本

使用pdfminer.six进行电子发票的文本读取。（基于Python 3.7）

首先， 安装 pdfminer.six

pip install pdfminer.six=20201018

安装成功之后，参考以下代码进行文本读取：

from io import StringIO
from pdfminer.pdfinterp import PDFResourceManager,PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage

def readPdf2(path):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    device = TextConverter(rsrcmgr,retstr,codec='utf-8',laparams=LAParams()) 
    interpreter = PDFPageInterpreter(rsrcmgr, device)
    with open(path,'rb') as fp:
        for page in PDFPage.get_pages(fp,set()):
            interpreter.process_page(page)
        text = retstr.getvalue()

    device.close()
    retstr.close()
    return text

text = readPdf2(r"C:\test.pdf")
print(text)
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容