摘要：
如果您需要为py3中的pdf文件操作加载PDFMiner3K库文件，您可以在pip模式下安装python-3-pipinstallpdfminer3k，或者在下载源文件模式下下载源文件：1.首先下载源文件2.使用python3setup Pyinstall处理pdf文件的想法：pdf以字符串形式读取，然后使用StringIO:1fromurlib.requestimporturlopen2转换为文件对象实例
在py3中如需进行pdf文件操作需要加载PDFMiner3K库文件，可通过pip方式或者可以下载源文件方式安装
python3 -m pip install pdfminer3k 下载源文件方式: 1、先下载源文件 2、通过python3 setup.py install
处理Pdf文件的思路：
PDF 读成字符串，然后用StringIO 转换成文件对象
实例：
1 from urllib.request import urlopen 2 from io import StringIO 3 from pdfminer.pdfinterp import PDFResourceManager, process_pdf 4 from pdfminer.converter import TextConverter 5 from pdfminer.layout import LAParams 6 7 def readPDF(pdfFile): 8 rsrcmgr = PDFResourceManager() 9 retstr = StringIO() 10 laparams = LAParams() 11 device = TextConverter(rsrcmgr, retstr, laparams=laparams) 12 13 process_pdf(rsrcmgr, device, pdfFile) 14 device.close() 15 16 content = retstr.getvalue() 17 retstr.close() 18 return content 19 20 pdfFile = urlopen("http://pythonscraping.com/pages/warandpeace/chapter1.pdf") 21 outputString = readPDF(pdfFile) 22 print(outputString) 23 pdfFile.close()
readPDF 函数最大的好处是，如果你的PDF 文件在电脑里，你就可以直接把urlopen 返回 的对象pdfFile 替换成普通的open() 文件对象： pdfFile = open("../pages/warandpeace/chapter1.pdf", 'rb') 输出结果可能不是很完美，尤其是当PDF 里有图片、各种各样的文本格式，或者带有表格 和数据图的时候。但是，对大多数只包含纯文本内容的PDF 而言，其输出结果与纯文本格 式基本没什么区别。