使用 Python 模块将 PDF 转换为 XML/json

【问题标题】：Pdf to XML/json using Python module使用 Python 模块将 PDF 转换为 XML/json
【发布时间】：2018-05-31 12:29:36
【问题描述】：

我可以使用代码从 pdf 中读取文本：

import pdfx
pdf = pdfx.PDFx("1951.pdf")
metadata = pdf.get_metadata()
reference_list = pdf.get_references()
reference_dict = pdf.get_references_as_dict()
pdf.download_pdfs("D:/")
pdf.get_text()

但是不能转成json：

pdfx -d D:/Output/ -j -o output.json pdf
SyntaxError: invalid syntax

语法：pdfx [-h] [-d OUTPUT_DIRECTORY] [-c] [-j] [-v] [-t] [-o OUTPUT_FILE] [ - 版本] pdf

【问题讨论】：

标签： python

【解决方案1】：

我能够使用 Pdfminer Python 模块转换为 XML。

从http://pypi.python.org/pypi/pdfminer/下载并解压模块
在 shell 上运行：python pdf2txt.py -o samples/output.xml -t xml samples/1951.pdf
对于文本：python pdf2txt.py samples/1951.pdf

【讨论】：

你正在使用 pdf2txt .py，这个文件是否存在于 pdfminer 模块中？
是的pdf2txt.py自带pdfminer模块
它带有pdfminer，但位于Python的Scripts文件夹下