我是 python、scrapy 和 web 抓取的新手,所以我的问题可能看起来很幼稚。对此表示歉意。
我想使用scrapy从pdf文件中提取数据。关于这个主题的stackoverflow有几个问题,我从给出的答案之一中查找并复制了以下代码。但是,我看不到任何输出。直接在代码中使用打印功能查看输出,尝试将返回值写入excel文件,但也没有显示任何输出。我也没有收到任何错误。
我正在使用的代码如下:
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from cStringIO import StringIO
def convert_pdf_to_txt(path):
rsrcmgr = PDFResourceManager()
retstr = StringIO()
codec = 'utf-8'
laparams = LAParams()
device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
fp = file(path, 'rb')
interpreter = PDFPageInterpreter(rsrcmgr, device)
password = ""
maxpages = 2
caching = True
pagenos=set()
for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching, check_extractable=True):
interpreter.process_page(page)
strval = retstr.getvalue()
print strval
fp.close()
device.close()
retstr.close()
return strval
谁能指导我哪里出错了?
谢谢!图希纳