Считайте pdf-файл в текстовый файл на python 3, но он генерирует ошибку, подобную AttributeError: объект 'PDFObjRef' не имеет атрибута 'decode' - PullRequest
Новая
       75

Считайте pdf-файл в текстовый файл на python 3, но он генерирует ошибку, подобную AttributeError: объект 'PDFObjRef' не имеет атрибута 'decode'

0 голосов
/ 23 мая 2018

Чтение pdf-файла для извлечения текста в python3 с использованием библиотеки pdfminer (я установил пакет с помощью pip install pdfminer.six) 

import io
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage


def pdfparser(data):

    fp = open(data, 'rb')
    rsrcmgr = PDFResourceManager()
    retstr = io.StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
    # Create a PDF interpreter object.

    interpreter = PDFPageInterpreter(rsrcmgr, device)
    # Process each page contained in the document.


    for page in PDFPage.get_pages(fp):
        interpreter.process_page(page)
        data =  retstr.getvalue()
    print(data)
...