이미지 형태가 아닌 pdf의 텍스트 추출하는 소스
페이징 처리도 되어 있음
pip3 버전을 최신 버전으로 업그레이드
python3 -m pip install --upgrade pip
#
# 필요한 모듈설치
# pip3 install pdfminer.six 
#
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from io import StringIO
def convert_pdf_to_txt():
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
    fp = open('문서이름.pdf', 'rb')
    interpreter = PDFPageInterpreter(rsrcmgr, device)
    password = ""
    maxpages = 0
    caching = True
    pagenos=set()
    for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching, check_extractable=True):
        interpreter.process_page(page)
    text = retstr.getvalue()
    fp.close()
    device.close()
    retstr.close()
    return text
v = convert_pdf_to_txt()
print(v)'IT일반' 카테고리의 다른 글
| 맥북에서 pdf 파일 합치기 macOs M1 w/Automator (1) | 2022.09.22 | 
|---|---|
| 안드로이드 Wear(Watch)에서 폰의 알림 오게 하는 방법 (0) | 2022.08.01 | 
| 맥에서 파일 날짜/시간 수정하기 (0) | 2022.07.04 | 
| AWS EC2 시간 변경 Timezone (0) | 2022.06.23 | 
| 그누보드 최고관리자 로그인 속도 느릴때 (오래걸림) (0) | 2022.06.16 | 
										
									
										
									
										
									
댓글