PDFminer IOString проблема - PullRequest
Новая
       73

PDFminer IOString проблема

0 голосов
/ 16 февраля 2020

Я пытаюсь преобразовать несколько PDF-файлов в текст. Я нашел способ сделать это с помощью пакетов Pdftotext, но после обновления Anaconda он просто продолжает портить файлы pdf, а не преобразовывать их в txt. Я наткнулся на следующий код и вставил два пути к каталогам по мере необходимости, но получил сообщение об ошибке, которое я не могу понять. Я имею в виду, папка правильная и в ней есть pdf файлы. 

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
import os
import sys, getopt

#converts pdf, returns its text content as a string
def convert(fname, pages=None):
    if not pages:
        pagenums = set()
    else:
        pagenums = set(pages)

    output = io.StringIO()
    manager = PDFResourceManager()
    converter = TextConverter(manager, output, laparams=LAParams())
    interpreter = PDFPageInterpreter(manager, converter)

    infile = open(fname, 'rb')
    for page in PDFPage.get_pages(infile, pagenums):
        interpreter.process_page(page)
    infile.close()
    converter.close()
    text = output.getvalue()
    output.close
    return text 

******set paths accordingly:
pdfDir = "C:\\Users\\vitop\\OneDrive\\Desktop\\Final Project\\Test"
txtDir = "C:\\Users\\vitop\\OneDrive\\Desktop\\Final Project\\Test\\Indexed"******

#converts all pdfs in directory pdfDir, saves all resulting txt files to txtdir
def convertMultiple(pdfDir, txtDir):
    if pdfDir == "": pdfDir = os.getcwd() + "\\" #if no pdfDir passed in 
    for pdf in os.listdir(pdfDir): #iterate through pdfs in pdf directory
        fileExtension = pdf.split(".")[-1]
        if fileExtension == "pdf":
            pdfFilename = pdfDir + pdf 
            text = convert(pdfFilename) #get string of text content of pdf
            textFilename = txtDir + pdf + ".txt"
            textFile = open(textFilename, "w") #make text file
            textFile.write(text) #write text to text file

convertMultiple(pdfDir, txtDir)

NameError                                 Traceback (most recent call last)
<ipython-input-8-9a65b048f813> in <module>
     45 
     46 
---> 47 convertMultiple(pdfDir, txtDir)

<ipython-input-8-9a65b048f813> in convertMultiple(pdfDir, txtDir)
     39         if fileExtension == "pdf":
     40             pdfFilename = pdfDir + pdf
---> 41             text = convert(pdfFilename) #get string of text content of pdf
     42             textFilename = txtDir + pdf + ".txt"
     43             textFile = open(textFilename, "w") #make text file

<ipython-input-8-9a65b048f813> in convert(fname, pages)
     14         pagenums = set(pages)
     15 
---> 16     output = io.StringIO()
     17     manager = PDFResourceManager()
     18     converter = TextConverter(manager, output, laparams=LAParams())

NameError: name 'io' is not defined ````

Any idea as to how to fix the issue?
...