用户注册



邮箱:

密码:

用户登录


邮箱:

密码:
记住登录一个月忘记密码?

发表随想


还能输入:200字
云代码 - python代码库

python网络数据采集16 pdf

2016-07-07 作者:ME80举报

[python]代码库

from urllib.request import urlopen
from pdfminer.pdfinterp import PDFResourceManager,process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from io import StringIO
from io import open

def readPDF(pdfFile):
    rsrcmgr = PDFResourceManager() # pdf资源管理对象
    retstr = StringIO() # StringIO 模块用于在内存缓冲区中读写数据
    laparams = LAParams() # 创建一个PDF设备对象
    device = TextConverter(rsrcmgr,retstr,laparams=laparams) # TextConverter文本转换器

    process_pdf(rsrcmgr,device,pdfFile) # (资源管理对象,转换器,url链接)
    device.close()

    content = retstr.getvalue() # getvalue返回对象retstr中的所有数据
    retstr.close()
    return content

pdfFile = urlopen('http://pythonscraping.com/pages/warandpeace/chapter1.pdf')
outputString = readPDF(pdfFile)
print(outputString)
pdfFile.close()


分享到:
更多

网友评论    (发表评论)


发表评论:

评论须知:

  • 1、评论每次加2分,每天上限为30;
  • 2、请文明用语,共同创建干净的技术交流环境;
  • 3、若被发现提交非法信息,评论将会被删除,并且给予扣分处理,严重者给予封号处理;
  • 4、请勿发布广告信息或其他无关评论,否则将会删除评论并扣分,严重者给予封号处理。