Python读取PDF文档

 from pdfminer.converter import PDFPageAggregator
 from pdfminer.layout import LAParams
 from pdfminer.pdfparser import PDFParser
 from pdfminer.pdfparser import PDFDocument
 from pdfminer.pdfinterp import PDFResourceManager
 from pdfminer.pdfinterp import PDFPageInterpreter
 from pdfminer.pdfdevice import PDFDevice

 # 获取文档对象
 fp = open("banReport.pdf","rb")

 # 创建一个PDF文档解释器
 parser = PDFParser(fp)

 # PDF文档的对象
 doc = PDFDocument()

 #连接解释器和文档对象
 parser.set_document(doc)
 doc.set_parser(parser)

 # 初始化文档
 doc.initialize('')

 # 创建PDF资源管理器
 resource = PDFResourceManager()

 #参数分析器
 laparam = LAParams()

 # 创建一个聚合器
 device = PDFPageAggregator(resource,laparams=laparam)
 # 创建PDF页面解释器
 interpreter = PDFPageInterpreter(resource,device=device)

 # 使用文档对象得到页面的集合
 for page in doc.get_pages():
     # 使用页面解释器来读取
     interpreter.process_page(page)

     # 使用聚合器来获取内容
     layout = device.get_result()

     for out in layout:
         if hasattr(out,"get_text"):
             print(out.get_text())