pdf函数python python pdf函数

如何利用Python抓取PDF中的某些内容

可以转换成TXT再抓取

from cStringIO import StringIO

from pdfminer.pdfinterp 

import PDFResourceManager, PDFPageInterpreter

from pdfminer.converter import TextConverter

from pdfminer.layout import LAParamsfrom pdfminer.pdfpage 

import PDFPage

def convert_pdf_2_text(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

相关问答

Q1: python自动化-pdf文档操作

使用第三方库

官方文档：pymupdf.readthedocs.io/en/latest/

提取图片的整体逻辑如下：

将每一页转换为一张张图片

安装pdf2image, github:github.com/Belval/pdf2…

安装:

使用库： github.com/2Dou/waterm…

步骤:

1.获得一个带水印pdf文件

1.1在图片添加水印,图片插入到word,word保存为pdf

1.2python处理:参考

github.com/2Dou/waterm…

mp.weixin.qq.com/s/_oJA6lbsd…

2.将水印pdf文件合并到源目标pdf文件的每一页

法1，直接在word，插入文本框，旋转，设置无边框，注意设置背景透明，然后复制多个。导出为pdf。

法2，word本身自己的增加水印，设计-水印-自定义文字或图片。缺点是只能是单个水印。

缺点是水印在内容pdf上方，如果设置过大，颜色不太透明，会遮挡内容。

解密：并不是破解，而是在已知密码的情况下解密

作者：秦与商

链接：

Q2: Python解析PDF表格——PDFPlumber vs Camelot

题图来自 Camelot: List o’ 10 Intriguing Mythical Places

为获取LEED认证项目pdf函数python的评分表明细，可以从USGBC的项目页面上爬取，或者从pdf格式的项目评分表中解析得到。以 重庆某LEED EM:OB v2009 Gold项目 为例，USGBC上公布的 LEED项目得分表 其格式并不统一，利用XPath爬取后需要进一步清洗处理。相对而言，LEED项目所对应的 项目评分表PDF文件 的数据更为规范完整。因此考虑尝试解析出PDF文件中的表格，以便后续分析。

Python 处理PDF文件的程序包，pdfminer、tabula、pdfplumber、camelot……查询资料表明，似乎普遍认为pdfminer的效果不怎么好，而tabula需要java支持 ，想偷懒于是只试pdf函数python了pdfplumber和camelot。

安装过程不赘述，直接来看运行结果。

pdfplumber无法直接解析出Scorecard.pdf文件中的表格，但实际上要解决此问题也并非难事。调整下思路，可先解析出pdf文件中的文本，让后通过分列来得到表格。

利用pdfplumber的extract_text()命令可解析出pdf文件中的文本，但由于本次需要解析的得分表pdf文件的排版的原因，左右两个表格的文本行并未完全对齐，因此如果直接解析完整页面上的文本的话，文字会出错。先用corp()命令指定识别范围，然后再extract_text()，识别得到的文本列表如下所示。

对于类似本例中Scorecard.pdf表格排版有错位的情况，也可以按照表格在页面中所处的位置，指定表格识别的范围。所用到的指令：camelot.plot()可以绘制出页面的略图，table_area参数可以指定表格识别的范围。

又及，Camelot原来是亚瑟王和圆桌骑士们的宫殿所在地，和Asgard的Valhalla一样，也是传说中的圣域。搜索camelot程序安装包时无意中学到的，涨知识pdf函数python了。

[1] Python：解析PDF文本及表格——pdfminer、tabula、pdfplumber 的用法及对比

[2] 用Python提取pdf文件中的表格数据

[3] python读取pdf文件

[4] Github: pdfplumber

[5] Camelot: PDF Table Extraction for Humans

[6] ImageMagick Installation

[7] ImageMagick之PDF转换成图片（image）

[8] LEED 2009 for Existing Buildings: Operations Maintenance

[9] Camelot - Wikipedia

[10] List o’ 10 Intriguing Mythical Places

[11] Camelot识别pdf表格时的参数设置补充

Q3: 一个用于合并pdf的简单Python脚本

在学校打印店pdf函数python，有时会打印很多文件，因为文件数量多，过程会比较繁琐。自己没事动手写pdf函数python了一个pdf合并pdf函数python的python脚本，方便将多个pdf文件合并为一。这样打印时候只需点开一个文件打印即可。

需要 Python 和 PyPDF2 。Python安装可在官网找到pdf函数python；PyPDF2可以通过pip安装，可以利用命令行工具输入一下命令

将需要合并的文件与本文后面的Python脚本放在同一目录下，运行脚本得到 Merged.pdf 即为合并的pdf文件。

如果需要按照一定顺序合并pdf文件，可以将pdf文件重命名，按顺序将文件重命名为 1.pdf 、 2.pdf 以此类推。

如果需要将某一pdf文件在合并文件中重复多次，可以将该文件直接在当前目录下拷贝成多个副本。

Q4: python如何检测是不是需要旋转pdf

是的，1.导入PyPDF2模块之后使用open()方法打开pdf文件并且调用Reader方法直接将这个pdf文件之中的所有页面都给读取出来，读取出来之后返回的是一个可迭代对象。然后使用getPage()方法获取其中的某一个页面，代码如下所示：

import PyPDF2

reader = PyPDF2.PdfFileReader(open('a.pdf','rb'))

page = reader.getPage(0)

2.以上代码之中的page所返回的就是pdf文件第一页，使用它去调用rotateClockwise()方法就能够将其90度旋转，示例如下：

page.rotateClockwise(180)

这个方法一次只能够对一个页面进行修改操作，并且参数必须为90度及其倍数。也就是只能选择90、180、270、360这四个度数，而且选择是顺时针选择的，旋转之后的页面会自动调整格式。

3.页面旋转完毕之后还需要实例化出来一个文件写入对象，然后使用这个对象将修改旋转后的页面添加到原pdf文件之中。再打开一个新的pdf文件用来保存，然后使用write()方法将页面写入之后将其关闭掉就好了，代码示例如下：

output = PyPDF2.PdfFileWriter()

outputStream = open ("b.pdf","wb")

output.write(outputStream)

outputStream.close()

Q5: VBA 或 python 如何批量将JPG文件转PDF？？

# -*- coding:utf-8 -*-

#!/usr/bin/env python

import os

from reportlab.lib.pagesizes import A4, landscape

from reportlab.pdfgen import canvas

from tkinter import *

import time

# 图片文件名称列表

IMAGEFILES = []

class pdfTk(object):

def __init__(self):

'''用于生成主界面用于填写'''

self.top = Tk()

self.sw = self.top.winfo_screenwidth()

self.sh = self.top.winfo_screenheight()

self.topw = 500

self.toph = 200

self.top.title('图片转pdf生成器')

self.top.geometry("%dx%d+%d+%d" % (self.topw, self.toph, (self.sw - self.topw) / 2, (self.sh - self.toph) / 2))

self._DIRPATH = StringVar(self.top)

self.emptfmone = Frame(self.top, height=50)

self.emptfmone.pack()

self.dirfm = Frame(self.top)

self.descriptLabel = Label(self.dirfm, width=4, text='路径：')

self.descriptLabel.pack(side=LEFT)

self.dirn = Entry(self.dirfm, width=50, textvariable=self._DIRPATH)

#self.dirn.bind('Return', self.setPath)

self.dirn.pack(side=LEFT)

self.dirfm.pack()

self.emptfmtwo = Frame(self.top, height=30)

self.emptfmtwo.pack()

self.btnfm = Frame(self.top)

self.converBtn = Button(self.btnfm, width=10, text='生成PDF', command=self.doneAnyThing,

activeforeground='white', activebackground='blue')

self.quitBtn = Button(self.btnfm, width=10, text='退出', command=self.top.quit, activeforeground='white',

activebackground='blue')

self.converBtn.pack(side=LEFT, padx=10)

self.quitBtn.pack(side=LEFT, padx=10)

self.btnfm.pack()

def doneAnyThing(self):

self.getListImages(self._DIRPATH.get())

pdfFile = self.converPath(self._DIRPATH.get()) + self.dateStr() + ".pdf"

self.convertpdf(pdfFile)

def convertpdf(self, pdfFile):

'''多个图片合成一个pdf文件'''

(w, h) = landscape(A4) #

cv = canvas.Canvas(pdfFile, pagesize=landscape(A4))

for imagePath in IMAGEFILES:

cv.drawImage(imagePath, 0, 0, w, h)

cv.showPage()

cv.save()

def getListImages(self, dirPath):

'''读取指定文件夹下所有pdf函数python的JPEG图片pdf函数python，存入列表'''

if dirPath is None or len(dirPath) == 0:

raise ValueError('dirPath不能为空，该值为存放图片的具体路径文件夹pdf函数python！')

if os.path.isfile(dirPath):

raise ValueError('dirPath不能为具体文件，该值为存放图片的具体路径文件夹！')

if os.path.isdir(dirPath):

for imageName in os.listdir(dirPath):

if imageName.endswith('.jpg') or imageName.endswith('.jpeg'):

absPath = self.converPath(dirPath) + imageName

IMAGEFILES.append(absPath)

def converPath(self, dirPath):

'''用于转换路径，判断路径后是否为\\，如果有则直接输出，如果没有则添加'''

if dirPath is None or len(dirPath) == 0:

raise ValueError('dirPath不能为空！')

if os.path.isfile(dirPath):

raise ValueError('dirPath不能为具体文件，该值为文件夹路径！')

if not str(dirPath).endswith("\\"):

return dirPath + "\\"

return dirPath

def dateStr(self):

'''用于生成指定格式的日期，目的是为了拼接字符串'''

return time.strftime("%Y-%m-%d", time.localtime())

def main():

'''该函数主要用于生成PDF文件'''

pdfTk()

mainloop()

if __name__ == '__main__':

'''主函数，进行启动'''

main()

关于pdf函数python和python pdf函数的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。