Python PDFMiner 库中不存在 PDFPage答案

【问题标题】：PDFPage does not exist in Python PDFMiner libraryPython PDFMiner 库中不存在 PDFPage
【发布时间】：2017-11-22 01:31:26
【问题描述】：

所以我为 python 3.6 安装了 pdfminer3k。我试图在打开 PDF 文件并将其转换为文本时遵循一些示例，它们都需要 PDFPage 导入。这对我来说不存在。有什么解决方法吗？我尝试从在线复制 PDFPage.py 并保存到 python 搜索 pdfminer 的目录，但我刚刚得到......“导入错误：无法导入名称 PDFObjectNotFound”。

谢谢！

【问题讨论】：

标签： python importerror pdfminer pdfpage

【解决方案1】：

啊。我猜 PDFPage 不适用于 python 3.6。以下来自How to read pdf file using pdfminer3k? 的示例解决了我的问题！

【讨论】：

【解决方案2】：

import io
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfparser import PDFParser, PDFDocument

def extract_text_from_pdf(pdf_path):
    '''
    Iterator: extract the plain text from pdf-files with pdfminer3k

    pdf_path: path to pdf-file to be extracted
    return: iterator of string of extracted text (by page)
    '''
    # pdfminer.six-version can be found at:
    # https://www.blog.pythonlibrary.org/2018/05/03/exporting-data-from-pdfs-with-python/
    with open(pdf_path, 'rb') as fp:
        parser = PDFParser(fp)
        doc = PDFDocument()
        parser.set_document(doc)
        doc.set_parser(parser)
        doc.initialize('')
        for page in doc.get_pages(): # pdfminer.six: PDFPage.get_pages(fh, caching=True, check_extractable=True):
            rsrcmgr = PDFResourceManager()
            fake_file_handle = io.StringIO()
            device = TextConverter(rsrcmgr, fake_file_handle, laparams=LAParams())
            interpreter = PDFPageInterpreter(rsrcmgr, device)
            interpreter.process_page(page)

            text = fake_file_handle.getvalue()
            yield text

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

maxPages = 1
for i, t in enumerate(extract_text_from_pdf(fPath)):
    if i<maxPages:
        print(f"Page {i}:\n{t}")
    else:
        print(f"Page {i} skipped!")

【讨论】：

PDFPage 似乎适用于 pdfminer.six 而不是 pdfminer3k