我有一些代码可以从PDF文件中读取内容。是否有一种使用Pypdf,在Windows上使用Python 2.6一行一行地读取PDF文件(而不是一页一页)的方法?
以下是读取PDF页面的代码:
import pyPdf
def getPDFContent(path):
content = ""
num_pages = 10
p = file(path, "rb")
pdf = pyPdf.PdfFileReader(p)
for i in range(0, num_pages):
content += pdf.getPage(i).extractText() + "\n"
content = " ".join(content.replace(u"\xa0", " ").strip().split())
return content
更新:
调用代码如下:
f= open('test.txt','w')
pdfl = getPDFContent("test.pdf").encode("ascii", "ignore")
f.write(pdfl)
f.close()