Python中的PDFminer

Question

我下载了pdfminer，命令行方法工作得很好，但我希望能够同时转换多个pdf文档，所以我尝试使用pdfminer作为库，我发现这个os堆栈溢出，但我不能让它工作..

from pdfminer.pdfinterp import PDFResourceManager, process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from cStringIO import StringIO



def convert_pdf(path):

    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)

    fp = file(path, 'rb')
    process_pdf(rsrcmgr, device, fp)
    fp.close()
    device.close()

    str = retstr.getvalue()
    retstr.close()
    print str


convert_pdf("/Users/gorkemyurtseven/Desktop/casino.pdf")

当我运行它时，我得到：

Traceback (most recent call last):
  File "pdfminer.py", line 1, in <module>
    from pdfminer.pdfinterp import PDFResourceManager, process_pdf
  File "/Users/gorkemyurtseven/Desktop/pdfminer.py", line 1, in <module>
    from pdfminer.pdfinterp import PDFResourceManager, process_pdf
ImportError: No module named pdfinterp

Answer 1

您似乎正在调用脚本pdfminer作为模块，并且当尝试导入具有相同名称的模块时，它会变得疯狂。

另一个原因可能是pdfminer模块安装不正确，或者它不是您的python发行版的正确版本。

Answer 2

正如在this帖子中所解释的，问题是您的文件名为pdfminer.py。

更改名称并删除创建的__pycache__/目录和pdfminer.pyc文件：

$ rm -r __pycache__/ pdfminer.pyc
$ mv pdfminer.py mypdfminer.py