Учебники

Python – обработка PDF

Python может читать файлы PDF и распечатывать содержимое после извлечения текста из него. Для этого мы должны сначала установить необходимый модуль PyPDF2 . Ниже приведена команда для установки модуля. Вы должны иметь уже установленный pip в вашей среде Python.

pip install pypdf2

При успешной установке этого модуля мы можем читать файлы PDF, используя методы, доступные в модуле.

import PyPDF2

pdfName = 'path\Tutorialspoint.pdf'
read_pdf = PyPDF2.PdfFileReader(pdfName)
page = read_pdf.getPage(0)
page_content = page.extractText()
print page_content

Когда мы запускаем вышеуказанную программу, мы получаем следующий вывод:

Tutorials Point originated from the idea that there exists a class of readers who respond better 
to online content and prefer to learn new skills at their own pace from the comforts of their 
drawing rooms.
 
The journey commenced with a single tutorial on HTML in 2006 and elated by the response 
it generated, we worked our way to adding fresh tutorials to our repository which now 
proudly flaunts a wealth of tutorials and allied articles on topics ranging from programming
languages to web designing to academics and much more.

Чтение нескольких страниц

Чтобы прочитать PDF-файл с несколькими страницами и распечатать каждую страницу с номером страницы, мы используем цикл с функцией getPageNumber (). В приведенном ниже примере мы PDF-файл, который имеет две страницы. Содержание напечатано под двумя отдельными заголовками страниц.

import PyPDF2

pdfName = 'Path\Tutorialspoint2.pdf'
read_pdf = PyPDF2.PdfFileReader(pdfName)

for i in xrange(read_pdf.getNumPages()):
    page = read_pdf.getPage(i)
    print 'Page No - ' + str(1+read_pdf.getPageNumber(page))
    page_content = page.extractText()
    print page_content

Когда мы запускаем вышеуказанную программу, мы получаем следующий вывод: