使用 conda 和 poppler、Windows 10 安装后无法导入 pdftotext

Question

我正在尝试使用 pdftotext，但它不会导入。

我在一台工作笔记本电脑 Lenovo IdeaPad S340 上运行 Windows 10（64 位）。

按照here 和here 的指示（非常有帮助），我：

1. 已安装 Microsoft Visual C++ 构建工具。
2. 已安装 Anaconda。
3. 获得了最新版本的 Anaconda 并对其进行了更新，对每个步骤使用单独的 Anaconda3 命令。我不记得这些命令了，也没有再找到它们。
4. 更新了 Microsoft Visual 14。
5. 使用 conda 通过 Anaconda3 命令安装 poppler：conda install -c conda-forge poppler
6. 使用 pip 通过 Anaconda3 命令安装 pdftotext：pip install pdftotext

之后：

这发生在 Python 3.8（32 位）命令提示符中：

>>> import pdftotext
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'pdftotext'
>>>

这发生在 IDLE 的 Python 3.75 Shell（64 位）中：

>>> import pdftotext
Traceback (most recent call last):
  File "<pyshell#0>", line 1, in <module>
    import pdftotext
ModuleNotFoundError: No module named 'pdftotext'
>>> 

这发生在 Anaconda3 命令提示符中：

import pdftotext
'import' is not recognized as an internal or external command,
operable program or batch file.

这也发生在 Anaconda3 命令提示符中：

pip install pdftotext
Requirement already satisfied: pdftotext in c:\programdata\anaconda3\lib\site-packages (2.1.4)

这是否意味着它只能在 Python 2 中运行？我怎么会事先检查呢？如果它仅在 Python 2 上运行，您能否推荐一个 Python 3 包/模块/库（有什么区别，顺便说一句？）将 PDF 读入纯文本文件？

感谢您的帮助！

更新：

我在同一台机器和操作系统上使用了一个新用户（另一个用户的名称中有一个空格，所以它的文件路径有一个空格，这可能会导致问题）。我遇到了同样的问题。

我有 Python 3.7.6 和 3.8.1。通过 Anaconda3 提示符 python -V 检查版本时会显示 Python 3.7.6（使用 conda info 时为 3.7.6.final.0）。

我也有：

• Anaconda 版本“自定义”，构建 py37_1。
• conda 4.8.2，py37_0，conda-forge 频道。
• poppler 0.84.0，h1affe6b_0，conda-forge。
• pdftotext 2.1.4，pypi_0，pypi。

我在这里找到了 Python：C:\Program Files (x86)\Microsoft Visual Studio\Shared\Python37_64。

我用眼睛搜索了所有程序文件、用户文件和 Anaconda Navigator，然后在整个 C 盘中搜索“pdftotext”，但没有找到任何关于 pdftotext 的信息。

尝试从 IDLE 的 Python 3.7.6 shell 也不起作用。

更新：

我想通了，有点。 pdftotext 不能用作 Python 导入，因为 example code in PyPI 使用它。但是，它确实可以作为command line tool that is part of Xpdf 工作，在这些步骤之后无需额外安装。

我在 Anaconda3 PowerShell 命令提示符中使用了该命令：

pdftotext C:\filepath\file.pdf

然后它创建了一个同名的文本文件并将其保存在同一文件夹中。我在上面链接的 Xpdf 页面上列出的命令还有其他选项（例如设置文件名）。

Buuuut，这不是一个令人满意的解决方案。我可以通过一个额外的步骤来处理我当前的用例任务，但我仍然无法从 Python 程序中调用 pdftotext。

更新：

如果您使用 Anaconda 和 conda 安装 pdftotext，那么导入它似乎只有在您从 Anaconda3 shell 中的 Python 解释器中运行它时才有效。

所以，我必须先在 Anaconda3 PowerShell 中切换到 Python 解释器模式：python

然后，我可以毫无错误地导入 pdftotext：import pdftotext

看起来像这样：

(user)> python
Python 3.7.6 (default, Jan  8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import pdftotext
>>> 

Answer 1

pdftotext 不是模块而是命令。 因此，您可以执行以下操作

import os

file_path = "C:\documents\mypdf.pdf"

# writing data in variable
text = os.popen("pdftotext {}".format(file_path)).read()

# writing data in file
os.system("pdftotext {} {}".format(file_path, "data.txt"))

Answer 2

好的，我想通了！如果您使用 Anaconda 和 conda 安装 pdftotext，那么导入它似乎只有在您从 Anaconda3 shell 中的 Python 解释器中运行它时才有效。

所以，我必须先在 Anaconda3 PowerShell 中切换到 Python 解释器模式： python

然后，我可以毫无错误地导入 pdftotext： import pdftotext

看起来像这样：

(user)> python
Python 3.7.6 (default, Jan  8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import pdftotext
>>> 

糟糕，第二个部分解决方案是它作为command line tool that is part of Xpdf 工作。

在问题帖子中采取的步骤之后，我不需要额外的安装。我在 Anaconda3 PowerShell 命令提示符中使用了该命令：

pdftotext C:\filepath\file.pdf

然后它创建了一个同名的文本文件并将其保存在同一文件夹中。我在上面链接的 Xpdf 页面上列出的命令还有其他选项（例如设置文件名）。

从命令行使用它的第二种解决方案的问题是，如果您想在之后对文本文件执行某些操作，则必须运行另一个命令或脚本。它所做的只是将其读入一个文件。

Answer 3

我遇到了同样的问题，但在执行以下操作后，它就像魅力一样！

sudo apt install build-essential libpoppler-cpp-dev pkg-config python3-dev

pip install pdftotext