PDFMiner 是一個 Python 的 PDF 解析器，可以從 PDF 文檔中提取信息。與其他 PDF 相關的工具不同，它側重的是獲取和分析文本數據。PDFMiner 允許獲取某一頁中文本的準確位置和一些諸如字體、行數的信息。它包括一個 PDF 轉換器，可以把 PDF 文件轉換成 HTML 等格式。還有一個擴展的 PDF 解析器，可以用于除文本分析以外的其他用途。

特性

完全用 Python 編寫

解析、分析和轉換 PDF 文檔

PDF-1.7 規范支持

CJK 語言和垂直書寫腳本支持

支持各種字體類型（Type1、TrueType、Type3 和 CID）

基本加密（RC4）支持

大綱（TOC）提取

標記內容提取

自動布局分析

PDFMiner 內置兩個工具：pdf2txt.py 和 dumppdf.py：

pdf2txt.py 從 PDF 文件中提取所有文本內容。但不能識別畫成圖片的文本，這需要特征識別。對于加密的 PDF 你需要提供一個密碼才能解析，對于沒有提取權限的 PDF 文檔你得不到任何文本。

dumppdf.py 把 PDF 文件內容變成 pseudo-XML 格式。這個程序主要用于 debug ，但是它也可能用于提取一些有意義的內容（比如圖片）。

總結

以上是生活随笔為你收集整理的python简介pdf_PDFMiner首页、文档和下载 - Python PDF 解析器 - OSCHINA - 中文开源技术交流社区...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。