利用python3翻译pdf文档系列之一——pdf转txt

本文使用的python3.6版本。Python安装过程见：

Python 3.6.4下载安装以及Python文本编辑器SublimeText3下载、破解、汉化、环境搭配ctrl+B或f5运行程序- CSDN博客。https://blog.csdn.net/daycym/article/details/78872856

首先到https://pypi.python.org/pypi/pdfminer3k/下载解析pdf文档的库：pdfminer3k。pdfminer3k是从PDF文件中提取信息的工具，支持python3.4及以上版本（对应百度网盘分享文件中的pdfminer3k-1.3.1.tar.gz）。

Pdfminer3k允许在一个页面上获取文本的确切位置，以及其他信息，如字体或线条。它包括一个PDF转换器，它可以将PDF文件转换成其他文本格式（如HTML）。它有一个可扩展的PDF解析器，可以用于其他用途，而不仅仅是文本分析。

直接点击右侧的Download按钮，即可下载文件到本地。

下一步是将压缩文件解压。

进入解压后的文件夹，运行setup.py文件即可进行安装库。在\pdfminer3k-1.3.1\文件夹中，按住shift同时点击鼠标右键，选择“在此处打开命令窗口”。然后键入：python setup.py install，即可进行安装。此处需要注意的是，确保python这个命令能够调用python3.

安装过程中发生一项错误，如下图所示。

原因是没有正确读到pytest-3.5.0这个库。因此，需要安装pip库，从而python自己能够安装所缺少的库。安装步骤及方法同上（安装文件在网盘分享文件中的pip-9.0.3.tar.gz）。

在安装好pip库之后，再次回到\pdfminer3k-1.3.1\目录下，打开命令行窗口，输入python setup.py install，开始安装pdfminer3k库。

到此，表明已经正确安装好了pdfminer3k库。

下面是一个简单例子，用于将pdf文件转换为txt文本文件。

首先在桌面新建一个python文件：pdfminerExample.py。

同时在桌面上放置一个待处理的pdf文件：eetop.cn_systemverilog.pdf

待处理的Pdf文件如下图：

在pdfminerExample.py中写入如下代码（源码在网盘分享链接中）：

运行后，在桌面上可见eetop.cn_systemverilog.txt文件。打开：

已经将pdf文件转换成为了txt文本。