Python模块pdftotext:read_all()方法不可用

Question

我正在使用python模块 pdftotext 用于在pdf文件中读取。

import pdftotext
with open("lorem_ipsum.pdf", "rb") as f:
    pdf = pdftotext.PDF(f)
# Iterate over all the pages
for page in pdf:
    print(page)
# Just read the second page
print(pdf.read(2))
# Or read all the text at once
print(pdf.read_all())

上面是最小可重复的示例，但是，在我的用法中，pdftotext.pdf中没有可用的方法，例如read_all((或read((

with open("/Users/zachary/Downloads/{}R.pdf".format(i), "rb") as f:
    pdf = pdftotext.PDF(f)
pdf.read_all()
AttributeError                            Traceback (most recent call last)
<ipython-input-58-4676e6ace396> in <module>()
      2     pdf = pdftotext.PDF(f)
      3 
----> 4 pdf.read_all()
AttributeError: 'pdftotext.PDF' object has no attribute 'read_all'

有什么问题？

P.S：我只能使用PDF实例来做的是

pdf [page_numb]读取每个页面。它运行良好！

Answer 1

您可以用来运行pdftotext的内容：

from subprocess import run
filePath = "lorem_ipsum.pdf"
textCmdResult = run([ 'pdftotext', filePath, '-' ], stdout=PIPE, universal_newlines=True)
text = textCmdResult.stdout

这将运行pdftotext作为一个单独的过程，并将结果存储到称为文本的变量。

可能还有其他使它起作用的方法，但这实际上是使我走上正轨的一种。

希望我的答案有帮助，

以色列

Answer 2

import pdftext
with open("lorem_ipsum.pdf", "rb") as f:
    pdf = pdftotext.PDF(f)
# Iterate over all the pages
for page in pdf:
    print(page)
# Just read the second page
print(pdf[2])