Desarrollo de Python
  1. Desarrollo de Python
  3. ¿Cómo puedo leer pdf en python?
Intereting Posts
Analizando HTML en Python ¿Hay una diferencia entre “== Falso” y “no está” cuando se comprueba si hay una cadena vacía? estableciendo rangos de figuras usando TapTool en bokeh scipy.ndimage.interpolation.zoom utiliza el algoritmo similar a un vecino más cercano para reducir la escala Python 3.7.0 Ningún módulo llamado ‘PyQt5.QtWebEngineWidgets’ Python 3: str.join () con separador ¿Cómo puedo mostrar el estado de la tarea actual en ejecución y actualizar la barra de progreso sin congelar al mismo tiempo en python 2 tkinter? Convolución básica 1d en tensorflow Aplicar la función en el índice DataFrame ¿Cómo pasar de forma segura la contraseña como argumento a un script de Python a través de SSH? Dividir líneas de texto en documento escaneado Set literal da un resultado diferente de la llamada a la función set. Interfaz Python de Caffe: error en “importar cafe” ¿Cómo instalar gevent en Windows? ¿Puede recuperarse de la reasignación de __builtins__ en python?

¿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/