欢迎阅读 pdfminer.six 的文档！#

Welcome to pdfminer.six’s documentation!

Travis-ci build badge PyPi version badge gitter badge

我们理解 PDF。

Pdfminer.six 是一个用于从 PDF 文档中提取信息的 Python 包。

在 github 上查看源代码。

We fathom PDF.

Pdfminer.six is a python package for extracting information from PDF documents.

Check out the source on github.

内容#

Content

本文档分为四个部分（根据 Diátaxis 文档框架）。

教程/Tutorials 部分可帮助您首次设置和使用 pdfminer.six。如果这是您第一次使用 pdfminer.six，请阅读此部分。

How-to 指南/guides 提供了解决常见问题的具体方法。

如果您想要了解有关 pdfminer.six 内部工作原理的更多背景信息，请查看 主题/Topics。

API 参考/Reference 为 pdfminer.six 中的所有常用类和函数提供了详细的 api 文档。

This documentation is organized into four sections (according to the Diátaxis documentation framework). The 教程/Tutorials section helps you setup and use pdfminer.six for the first time. Read this section if this is your first time working with pdfminer.six. The How-to 指南/guides offers specific recipies for solving common problems. Take a look at the 主题/Topics if you want more background information on how pdfminer.six works internally. The API 参考/Reference provides detailed api documentation for all the common classes and functions in pdfminer.six.

功能#

Features

  • 将 PDF 文档中的所有对象解析为 Python 对象。

  • 以人类可读的方式分析和分组文本。

  • 提取文本、图像（JPG、JBIG2 和位图）、目录、标记内容等。

  • 支持 PDF-1.7 规范中的（几乎所有）功能

  • 支持中文、日文和韩文（CJK）语言以及垂直书写。

  • 支持各种字体类型（Type1、TrueType、Type3 和 CID）。

  • 支持 RC4 和 AES 加密。

  • 支持 AcroForm 交互式表单提取。

  • Parse all objects from a PDF document into Python objects.

  • Analyze and group text in a human-readable way.

  • Extract text, images (JPG, JBIG2 and Bitmaps), table-of-contents, tagged contents and more.

  • Support for (almost all) features from the PDF-1.7 specification

  • Support for Chinese, Japanese and Korean CJK) languages as well as vertical writing.

  • Support for various font types (Type1, TrueType, Type3, and CID).

  • Support for RC4 and AES encryption.

  • Support for AcroForm interactive form extraction.

安装说明#

Installation instructions

  • 安装 Python 3.8 或更新版本。

  • 安装 pdfminer.six。

$ pip install pdfminer.six

  • （可选）安装用于提取图像的额外依赖项。

$ pip install 'pdfminer.six[image]'

  • 使用命令行界面从 pdf 中提取文本。

$ pdf2txt.py example.pdf

  • 或者与 Python 一起使用。

from pdfminer.high_level import extract_text

text = extract_text("example.pdf")
print(text)

  • Install Python 3.8 or newer.

  • Install pdfminer.six.

::

$ pip install pdfminer.six`

  • (Optionally) install extra dependencies for extracting images.

::

$ pip install ‘pdfminer.six[image]’`

  • Use the command-line interface to extract text from pdf.

::

$ pdf2txt.py example.pdf`

  • Or use it with Python.

from pdfminer.high_level import extract_text

text = extract_text("example.pdf")
print(text)

贡献#

Contributing

我们欢迎任何对 pdfminer.six 做出贡献的人！但在做任何事情之前，请先查看一下 贡献指南。

We welcome any contributors to pdfminer.six! But, before doing anything, take a look at the contribution guide.