python提取pdf
其他
2020-01-13 10:20:05
阅读次数: 0
import os
import sys
import time
pdfs = (pdfs for pdfs in os.listdir('.') if pdfs.endswith('.pdf'))
for pdf1 in pdfs:
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)
#转换需要时间
time.sleep(2)
#输出转换后的文本，前200个字符
with open(txt, encoding='utf8') as fp:
print(fp.read(200))
except:
pass |
|
| |
发布了458 篇原创文章 ·
获赞 2 ·
访问量 10万+
转载自blog.csdn.net/u010395024/article/details/103869086
