使用python 3.5.0在Windows 8上提取Pdf的文本

Question

我想在windows8的slate包的帮助下使用python 3.5.0从Pdf文件中提取文本。 问题：虽然我在尝试导入平板时仍然成功安装了slate包，但仍存在一定的错误。请提示我缺少的内容。

错误：

回溯（最近一次调用最后一次）：文件“”，第1行，在导入平板文件“C：\ Users \ name \ AppData \ Local \ Programs \ Python \ Python35-32 \ lib \ site-packages \ slate-0.4.1 -py3.5.egg \ slate__init __。py“，第66行，来自平板导入PDF

ImportError：无法导入名称'PDF'

Answer 1

你可以试试pdftotext图书馆的windows version（poppler）。

作为一个独立的程序，它不需要Python。但我经常使用Python作为子进程，如下所示：

import subprocess

args = ['pdftotext', '-layout', '-q', 'input.pdf', '-']
txt = subprocess.check_output(args, universal_newlines=True)

Answer 2

平板取决于PDFMiner（不支持Python 3。）

您可以尝试安装它：

pip install PDFMiner

我去安装pdfminer3k - pypi - 但它没有很好地响应蝙蝠（文档不好）所以我看了一点，找到了这个页面为possible alternatives。如果其中任何一个满足，请告诉我。

Answer 3

您可以安装pdfminer.six

pip install pdfminer.six

https://pypi.python.org/pypi/pdfminer.six/20160614