0

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

4

0 回答 0