Python中可用于将PDF转换为文本的模块有哪些？
您可以使用PDFMiner包将PDF转换为文本。
示例
您可以通过以下方式使用它：
import sys
from cStringIO import StringIO
from pdfminer.pdfpage importPDFPage
from pdfminer.pdfinterp importPDFResourceManager, PDFPageInterpreter
from pdfminer.layout importLAParams
from pdfminer.converter importXMLConverter, HTMLConverter, TextConverter
def pdfparser(data):
fp = file(data, 'rb')
resource_manager = PDFResourceManager() retstr = StringIO() codec = 'utf-8'
laparams = LAParams() device = TextConverter(resource_manager,retstr, codec=codec, laparams=laparams)
interpreter =PDFPageInterpreter(resource_manager, device)
# Process each page contained in thedocument.
for page in PDFPage.get_pages(fp):
interpreter.process_page(page)
data = retstr.getvalue()
print data
pdfparser('filename.pdf')这将获取一个pdf文件，并使用PDFPageInterpreter类中的process_page函数逐页提取文本。
PDFMiner的替代品具有更容易使用的API来提取文本。pyPDF可以正常工作（假设您使用的是格式正确的PDF）。如果只需要文本（带空格），则可以执行以下操作：
import pyPdf
pdf = pyPdf.PdfFileReader(open('filename.pdf',"rb"))
for page in pdf.pages:
print page.extractText()