python 讀取pdf檔案有3個擴充套件包   pdfminer3k（python2中為pdfminer）、fitz和pymupdf

1.pdfminer3k

讀取並獲得pdf文件中的資訊：

from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager,PDFPageInterpreter,PDFTextExtractionNotAllowed
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LTTextBoxHorizontal,LAParams,LTTextLineHorizontal,LTFigure,LTRect,LTLine,LTCurve

#  檔案物件
pd_file = open("d.pdf", "rb")

#  pdf檔案解析物件
parser = PDFParser(pd_file)

# print(parser)
#  pdf文件物件
document = PDFDocument()
parser.set_document(document)
document.set_parser(parser)


#  初始化文件密碼
document.initialize()
if document.is_extractable:
    print(True)
else:
    raise PDFTextExtractionNotAllowed
#  儲存文件資源
src = PDFResourceManager()

#  裝置物件
device = PDFPageAggregator(src,laparams=LAParams())

#  直譯器物件

inter = PDFPageInterpreter(src,device)

pages = document.get_pages()

for page in pages:
    #print(page.contents)
    inter.process_page(page)
    layout = device.get_result()
    for x in layout:
        if isinstance(x, LTTextBoxHorizontal):
            print(str(x.get_text()))
        #t = dir(x)
        #print(t)
        #print(type(x))
 

以上程式碼屬於搬運工 （~自帶笑哭表情~~~）

上述程式碼中各個物件的作用：

檔案解析物件（PDFParser）：從檔案中提取資料                                                 

文件物件（PDFDocument）： 儲存提取到的資料

資源物件（PDFResourceManager）：儲存共享內容

裝置物件（PDFDevice）：處理資源物件為我們所需要的格式

直譯器物件（PDFPageInterpreter）： 處理頁面內容

layout ： 包含文件的全部內容物件主要包含：

    LTPage:頁面物件

    LTTextBox：代表一個區域內的文字資訊，包含多個LTTextLine,get_text()方法可以獲得文字內容。

    LTTextLine：代表一行文字資訊，包含多個LTChar，get_text()方法可以獲得文字內容。

    LTChar：代表一個字元資訊，get_text()方法可以獲得文字內容。

    LTAnno：代表文字中的字元的Unicode字串。

    LTFigure：代表PDF的表單物件，可以包含圖形或圖片。

    LTImage：代表一個圖片物件。

    LTLine ： 代表一條直線。

    LTRect：代表一個矩形區域。

    LTCurve：代表一條曲線。

tip:LTTextBox、LTTextLine可以分別和Horizontal、Vertical 組合表示水平方向和垂直方向

文件物件（Document）常用屬性和方法：

    doc.get_outlines(): 獲取文件的目錄資料

    doc.is_extractable(): 判斷文件是否支援轉文字

    doc.get_pages(): 獲取所有頁面物件

    doc.initialize():初始化文件密碼

    doc.set_parser():繫結文件解析對像

內容物件（LTTextBox、LTTextLine、LTImage...等等）常用屬性和方法：

    LTImage：

        LTImage.get_rawdata()： 獲取圖片資料

2. fitz 包：

3.pymupdf包：

   操作pdf檔案，可以實現建立pdf檔案、修改pdf檔案等等。。功能強大。（以後補充...）