У меня есть код для чтения из pdf файла. Есть ли способ читать по строкам из pdf файла (а не страницы) с использованием Pypdf, Python 2.6, в Windows?
Вот код для чтения страниц в формате pdf:
import pyPdf
def getPDFContent(path):
content = ""
num_pages = 10
p = file(path, "rb")
pdf = pyPdf.PdfFileReader(p)
for i in range(0, num_pages):
content += pdf.getPage(i).extractText() + "\n"
content = " ".join(content.replace(u"\xa0", " ").strip().split())
return content
Update:
Код вызова:
f= open('test.txt','w')
pdfl = getPDFContent("test.pdf").encode("ascii", "ignore")
f.write(pdfl)
f.close()