使用 python 3.5.0 在 Windows 8 上提取 Pdf 文本答案

【问题标题】：Extracting text of Pdf on windows 8 using python 3.5.0使用 python 3.5.0 在 Windows 8 上提取 Pdf 文本
【发布时间】：2015-12-26 10:55:09
【问题描述】：

我想在 windows8 上的 slate 包的帮助下使用 python 3.5.0 从 Pdf 文件中提取文本。

问题：虽然我已经成功安装了 slate 包，但当我尝试导入 slate 时仍然存在某些错误。请指出我缺少的内容。

错误：

Traceback（最近一次调用最后一次）：文件“”，第 1 行，在进口石板文件“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，在从 slate 导入 PDF

ImportError: 无法导入名称“PDF”

【问题讨论】：

标签： python pdf information-retrieval slate

【解决方案1】：

您可以尝试poppler 库中的pdftotext (windows version)。

作为一个独立的程序，它不需要 Python。但我经常在 Python 中将它用作子进程，如下所示：

import subprocess

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

【讨论】：

【解决方案2】：

slate 依赖于 PDFMiner（不支持 Python 3。）

您可以尝试安装它：

pip install PDFMiner

我安装了 pdfminer3k - pypi - 但它并没有很好地响应（而且文档也不好）所以我看了更多，找到了这个页面 possible alternatives。让我知道这些是否满足。

【讨论】：

【解决方案3】：

你可以安装pdfminer.six

pip install pdfminer.six

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

【讨论】：