Desarrollo de Python
  1. Desarrollo de Python
  3. ¿Cómo puedo leer pdf en python?
Intereting Posts
¿Qué parte de asyncio es concurrente? Quisiera detalles de implementación ¿Por qué no se llama a __init__.py? Django ManyToManyField pedidos utilizando a través de Convolución de matrices NumPy de dimensión arbitraria para el producto Cauchy de series de potencia multivariable ¿La importación de un módulo de Python afecta el rendimiento? el nombre ‘get_config’ no está definido Aplanar una lista irregular de listas Expresiones regulares Python que coinciden con múltiples líneas Registro de datos variables con nueva cadena de formato. ValueError: todas las matrices de entrada deben tener el mismo número de dimensiones Emoji no detectado con la expresión regular de python en Linux define aggfunc para cada columna de valores en la tabla dinámica de pandas Gran pérdida de memoria en repetidas llamadas os.path.isdir? Menús contextuales de Windows Explorer con submenús que utilizan pywin32 Despliegue django binario (sin código fuente)

¿Cómo puedo leer pdf en python?

¿Cómo puedo leer pdf en python? Conozco una forma de convertirlo en texto , pero quiero leer el contenido directamente desde pdf.

¿Alguien puede explicar qué módulo en Python es mejor para la extracción de PDF?

Puedes usar el paquete PyPDF2 

#install pyDF2 pip install PyPDF2 # importing all the required modules import PyPDF2 # creating an object file = open('example.pdf', 'rb') # creating a pdf reader object fileReader = PyPDF2.PdfFileReader(file) # print the number of pages in pdf file print(fileReader.numPages)

Siga esta documentación en http://pythonhosted.org/PyPDF2/

Puedes usar el módulo textract en python

Textract

para instalar 

 pip install textract

para leer pdf 

 import textract text = textract.process('path/to/pdf/file', method='pdfminer')

Para detalle textract

Pruebe PyPDF2.

Aquí hay un buen tutorial: https://automatetheboringstuff.com/chapter13/