python3.7使用pdfminer3K读取pdf文档

python3.0以上用的是pdfminer3K ,pdfminer适用的是python2.0的

输入命令：

pip3 install --upgrade setuptools

pip3 install pdfminer3k

第一步：执行：pip3 install --upgrade setuptools

第二步：执行：pip3 install pdfminer3k

安装完pdfminer3K以后，就可以写程序了

import sys
import importlib
importlib.reload(sys)
from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.converter import PDFPageAggregator
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
from pdfminer.layout import LTTextBoxHorizontal, LAParams
def readPDFFile(strpath,topath):
 f = open(strpath, "rb")
 strparser = PDFParser(f) # 创建一个pdf分析器
 pdffile = PDFDocument() # 创建pdf文件
 strparser.set_document(pdffile) # 连接分析器与文档
 pdffile.set_parser(strparser) # 连接文档与分析器
 pdffile.initialize() # 提供初始化密码
 # 检测是否能转化成txt
 if not pdffile.is_extractable:
 raise PDFTextExtractionNotAllowed #就结束了
 else:
 strRecManager = PDFResourceManager()
 # 创建pdf设备的一个对象
 strLaparams = LAParams()
 strDevice = PDFPageAggregator(strRecManager, laparams=strLaparams)
 #创建解释器对象
 inter = PDFPageInterpreter(strRecManager,strDevice)
 # 开始循环处理，pdf是分页的，每次处理一页
 for page in pdffile.get_pages(): # 获取一页
 inter.process_page(page)
 layout = strDevice.get_result()
 for item in layout: #读每一层的内容
 if (isinstance(item, LTTextBoxHorizontal)):
 with open(topath,"a") as f:
 strContent = item.get_text() #这个就是我们读到这一页的内容
 f.write(strContent+"\n")
strpath = r"F:\文件目录\pdf1.pdf"
topath = r"F:\文件目录\txt1.txt"

# 读取pdf中的内容，写到txt记事本里面去。word转换后的pdf准确率高
readPDFFile(strpath,topath)