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