python讀取pdf文檔__python

# -*- coding: utf-8 -*-#讀取pdf文檔from pdfminer.pdfparser import PDFParser,PDFDocumentfrom pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreterfrom pdfminer.pdfdevice import PDFDeviceimport pdfminer.pdfinterp#擷取文檔對象fp = open("naacl06-shinyama.pdf","rb")#建立一個與文檔關聯的解譯器parser=PDFParser(fp)#PDF文檔對象doc = PDFDocument()#連結解譯器和文檔對象parser.set_document(doc)doc.set_parser(parser)#初始化文檔doc.initialize("")#建立pdf資源管理員resource = PDFResourceManager()#參數分析器laparam = LAParams()#建立一個彙總器device = PDFPageAggregator(resource,laparams=laparam)#建立PDF頁面解譯器interpreter=PDFPageInterpreter(device,device)#使用文檔對象得到頁面的集合for page in doc.get_pages():    #使用頁面解譯器來讀取    interpreter.process_page(page)    #使用彙總器來擷取內容    layout=  device.get_result()    for out in layout:        print(out.get_text())