如何在PyPDF2中添加更多的空格容差？

Question

我正在寻找将PDF转换为纯文本格式的最简单方法。

PyPDF2似乎是很容易的，这里是我有：

def test_pdf(filename): 
import PyPDF2 
pdf = PyPDF2.PdfFileReader(open(filename, "rb")) 
for page in pdf.pages: 
    print page.extractText() 

但它给了我：从PyPDF该PDF

InChapter5wepresentandevaluateourresults,togetherwiththetestenvironment.

我怎样才能提取的话？有没有不同的方式（另一个图书馆适用于此）？

Answer 1

那么我用成功PDFMiner，你可以从中解析和提取PDF文档中的文本。 更具体地说，有这个pdf2txt.py模块，您可以使用它来提取文本。安装很简单：pdfminer-xxx#python setup.py install并从bash或cmd执行一个简单的pdf2txt.py -o Application.txt Reference/Application.pdf命令就可以了。 在上面提到的oneliner application.pdf是你的目标pdf，你要处理的那个和application.txt是将要生成的文件。 此外，对于更复杂的任务，您可以查看api并根据需要对其进行修改。

编辑：我回答基于我的个人经验，就是这样。我没有理由“推广”所提议的工具。我希望这可以帮助

edit2：类似的工作对我来说。

# -*- coding: utf-8 -*- 
import os 
import re 

dirpath = 'path\\to\\dir' 
filenames = os.listdir(dirpath) 
nb = 0 

open('path\\to\\dir\\file.txt', 'w') as outfile: 
    for fname in filenames: 
     nb = nb+1 
     print fname 
     print nb 
     currentfile = os.path.join(dirpath, fname) 

open(currentfile) as infile: 
    for line in infile: 
     outfile.write(line)