1 import sys 2 import importlib 3 importlib.reload(sys) 4  5 from pdfminer.pdfparser import PDFParser,PDFDocument 6 from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter 7 from pdfminer.converter import PDFPageAggregator 8 from pdfminer.layout import LTTextBoxHorizontal,LAParams 9 from pdfminer.pdfinterp import PDFTextExtractionNotAllowed10 11 '''12  解析pdf 文本，保存到txt文件中13 '''14 path = 'C:\\Users\\needRead.pdf'15 def parse():16     fp = open(path, 'rb') # 以二进制读模式打开17     #用文件对象来创建一个pdf文档分析器18     praser = PDFParser(fp)19     # 创建一个PDF文档20     doc = PDFDocument()21     # 连接分析器 与文档对象22     praser.set_document(doc)23     doc.set_parser(praser)24 25     # 提供初始化密码26     # 如果没有密码 就创建一个空的字符串27     doc.initialize()28 29     # 检测文档是否提供txt转换，不提供就忽略30     if not doc.is_extractable:31         raise PDFTextExtractionNotAllowed32     else:33         # 创建PDf 资源管理器 来管理共享资源34         rsrcmgr = PDFResourceManager()35         # 创建一个PDF设备对象36         laparams = LAParams()37         device = PDFPageAggregator(rsrcmgr, laparams=laparams)38         # 创建一个PDF解释器对象39         interpreter = PDFPageInterpreter(rsrcmgr, device)40 41         # 循环遍历列表，每次处理一个page的内容42         for page in doc.get_pages(): # doc.get_pages() 获取page列表43             interpreter.process_page(page)44             # 接受该页面的LTPage对象45             layout = device.get_result()46             # 这里layout是一个LTPage对象 里面存放着 这个page解析出的各种对象 一般包括LTTextBox, LTFigure, LTImage, LTTextBoxHorizontal 等等 想要获取文本就获得对象的text属性，47             for x in layout:48                 if (isinstance(x, LTTextBoxHorizontal)):49                     with open("C:\\Users\\trasformatResult.txt", 'a') as f:50                         results = x.get_text()51                         print(results)52                         f.write(results + '\n')53 54 if __name__ == '__main__':55     parse()