Project Icon

pdfminer.six

Python开源PDF文本提取与分析库

pdfminer.six是一个开源Python库,用于从PDF文档中提取和分析文本数据。该库能够提取文本内容及其位置、字体和颜色信息,支持PDF-1.7规范、CJK语言和垂直书写。pdfminer.six还可提取图像、目录和交互式表单,支持多种压缩和加密方式。其模块化设计便于扩展,适用于多种PDF分析场景。该项目是PDFMiner的社区维护分支,提供了全面的PDF文档分析功能。

pdfminer.six

持续集成 PyPI版本 gitter

我们深入理解PDF

Pdfminer.six是原始PDFMiner的社区维护分支。它是一个从PDF文档中提取信息的工具。它专注于获取和分析文本数据。Pdfminer.six直接从PDF的源代码中提取页面文本。它还可以用于获取文本的精确位置、字体或颜色。

它采用模块化设计,使得pdfminer.six的每个组件都可以轻松替换。您可以实现自己的解释器或渲染设备,利用pdfminer.six的功能来实现文本分析以外的其他目的。

查看Read the Docs上的完整文档。

特性

  • 完全用Python编写。
  • 解析、分析和转换PDF文档。
  • 提取内容为文本、图像、html或hOCR
  • 支持PDF-1.7规范(几乎完全支持)。
  • 支持CJK语言和垂直书写脚本。
  • 支持各种字体类型(Type1、TrueType、Type3和CID)。
  • 支持提取图像(JPG、JBIG2、位图)。
  • 支持各种压缩(ASCIIHexDecode、ASCII85Decode、LZWDecode、FlateDecode、RunLengthDecode、CCITTFaxDecode)。
  • 支持RC4和AES加密。
  • 支持提取AcroForm交互式表单。
  • 目录提取。
  • 标签内容提取。
  • 自动布局分析。

如何使用

  • 安装Python 3.8或更新版本。

  • 安装pdfminer.six。

    pip install pdfminer.six
    
    
  • (可选)安装额外的依赖项以提取图像。

    pip install 'pdfminer.six[image]'
    
    
  • 使用命令行界面从pdf中提取文本。

    pdf2txt.py example.pdf
    
    
  • 或在Python中使用。

    from pdfminer.high_level import extract_text
    
    text = extract_text("example.pdf")
    print(text)
    

贡献

请务必阅读贡献指南

致谢

本仓库包含来自pyHanko的代码;原始许可证已包含在此处

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号