首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >使用io和PyPDF2从PDF url中提取文本没有输出。

使用io和PyPDF2从PDF url中提取文本没有输出。
EN

Stack Overflow用户
提问于 2021-02-28 03:46:03
回答 1查看 31关注 0票数 0

我正在尝试从pdf url中提取文本。如果我下载PDF,我可以很容易地用slate函数提取文本。但是,当尝试使用io导入pdf并提取文本时,返回的输出什么都不是。代码附在下面。

代码语言:javascript
复制
import requests, PyPDF2, io
from io import BytesIO

url = 'https://www.poderjudicial.es/search/contenidos.action?action=accessToPDF&publicinterface=true&tab=AN&reference=e3ca421447bc6b71&encode=true&optimize=20210216&databasematch=AN'

response = requests.get(url)
f = io.BytesIO(response.content)

with f as data:
    read_pdf = PyPDF2.PdfFileReader(data)
    page = read_pdf.getPage(1)
    print(page.extractText())

我已经尝试了很多其他功能,但都不起作用。我做错了什么吗?

EN

回答 1

Stack Overflow用户

发布于 2021-02-28 05:22:23

它也给了我空白的输出。我不知道为什么。但是你有没有试过使用pdfminer3。它为我提供了正确的文本输出。下面的代码给出了文件的正确输出。

代码语言:javascript
复制
import requests
from pdfminer3.layout import LAParams, LTTextBox
from pdfminer3.pdfpage import PDFPage
from pdfminer3.pdfinterp import PDFResourceManager
from pdfminer3.pdfinterp import PDFPageInterpreter
from pdfminer3.converter import PDFPageAggregator
from pdfminer3.converter import TextConverter
import io

resource_manager = PDFResourceManager()
fake_file_handle = io.StringIO()
converter = TextConverter(resource_manager, fake_file_handle, laparams=LAParams())
page_interpreter = PDFPageInterpreter(resource_manager, converter)

url = 'https://www.poderjudicial.es/search/contenidos.action?action=accessToPDF&publicinterface=true&tab=AN&reference=e3ca421447bc6b71&encode=true&optimize=20210216&databasematch=AN'

response = requests.get(url)
f = io.BytesIO(response.content)

with f as fh:

    for page in PDFPage.get_pages(fh,
                                  caching=True,
                                  check_extractable=True):
        page_interpreter.process_page(page)

    text = fake_file_handle.getvalue()

# close open handles
converter.close()
fake_file_handle.close()

print(text)

也可以看看这篇文章,How to use PDFminer.six with python 3?

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/66402858

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档