pdftextract:一个非常快速，高效的python PDF文本和图像提取器-源码

PdfTextract 使用xpdf c ++库的非常快速高效的python PDF文本和图像提取器。 特征 几倍胖，然后任何基于python的pdf文本提取器 非常简单易用 在保留原始文档布局的同时提取文本 尝试自动提取表（如果存在）（仍处于beta中） 无需本地服务器设置 无需依赖 安装方式 通过PyPi安装： pip install pdftextract 或通过github： 首先克隆仓库： git clone https : // github . com / Bnilss / pdftextract . git 然后跑 python setup . py install 用法 导入包 from pdftextract import XPdf file_path = "examples/pubmed_example.pdf" pdf = XPdf ( file_path )