python處理pdf也是常用的技術(shù)了，對(duì)于python3來說，pdfminer3k是一個(gè)非常好的工具。

首先，為了滿足大部分人的需求，我先給一個(gè)通用一點(diǎn)的腳本來讀取pdf中的文本：

from io import StringIO
from io import open
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfinterp import PDFResourceManager, process_pdf
def read_pdf(pdf):
    # resource manager
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    laparams = LAParams()
    # device
    device = TextConverter(rsrcmgr, retstr, laparams=laparams)
    process_pdf(rsrcmgr, device, pdf)
    device.close()
    content = retstr.getvalue()
    retstr.close()
    # 獲取所有行
    lines = str(content).split('\n')
    return lines
if __name__ == '__main__':
    with open('t1.pdf', 'rb') as my_pdf:
        print(read_pdf(my_pdf))

我主要是想在pdf中抽出自己想要的一些關(guān)鍵信息，所以需要找到這些信息的共同點(diǎn)。幸運(yùn)的是，這些關(guān)鍵信息的行都含有'//'，所以我只需找到含有'//'的行就行了，于是寫了以下腳本。

這樣就可以直接使用了，我們先看腳本：

其實(shí)看到lines =  str(content).split('\n')那一行就夠了，我們可以把lines都print出來，就可以看到pdf里面的內(nèi)容。

這樣我們就可以把pdf文件處理看作簡(jiǎn)單的字符串?dāng)?shù)據(jù)處理了。接下來的腳本操作也不用過多解釋了。