python处理pdf文件

  • emded 标签

  • pre标签

  • 爬虫爬取pdf文档:

    1. 下载 pdfminer3k
    2. 安装 python setup.py install
    3. 代码
from urllib.request import urlopen
from pdfminer.pdfinterp import PDFResourceManager, process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from io import StringIO
from io import open

def readPDF(pdfFile):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, laparams=laparams)
    process_pdf(rsrcmgr, device, pdfFile)
    device.close()
    content = retstr.getvalue()
    retstr.close()
    return content
pdfFile = urlopen('http://www.cncbinternational.com/_document/about-us/investor-relations/regulatory-disclosure/tc/2014-12-31/Balance-Sheet-Recon-and-Extract-of-Transition-Disclosures-Template_31-December-2014.pdf')
outputString = readPDF(pdfFile)
print(outputString)
pdfFile.close()

4.这个模块读出来的pdf不太标准,要研究下源码

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
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。

相关阅读更多精彩内容

  • # Python 资源大全中文版 我想很多程序员应该记得 GitHub 上有一个 Awesome - XXX 系列...
    aimaile阅读 26,747评论 6 427
  • GitHub 上有一个 Awesome - XXX 系列的资源整理,资源非常丰富,涉及面非常广。awesome-p...
    若与阅读 19,068评论 4 418
  • 你就是不舍得花钱买时间,所以才没有成功;那些成功的人,都是愿意花钱买时间的人。真的是这样吗? 1、买的是什么? 用...
    游历Bryan阅读 4,474评论 1 2
  • 我只有一片叶子 放在水里会生根会再长叶子 我只有一片叶子 它现在没有生根也没有再长新叶子 你问我要它 我犹豫了一下...
    野派阅读 1,652评论 0 1
  • 那一年我十四岁。那是一个夏天的黄昏,我穿一条粗布短裤,站在她家门前。腮帮子上起了一片红疙瘩,长沙话称为风陀,奇痒,...
    笑骂由人阅读 3,308评论 0 0

友情链接更多精彩内容