0

我在网上找到了允许使用pdfminerPython 中的模块将几个 pdf 文件转换为文本文件的代码。我试图扩展我保存在一个目录中的几个 pdf 文件的代码，但代码导致错误。

到目前为止我的代码：

import nltk
import re
import glob

from cStringIO import StringIO
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage

def convert(fname, pages=None):
   if not pages:
       pagenums = set()
    else:
       pagenums = set(pages)

   output = StringIO()
   manager = PDFResourceManager()
   converter = TextConverter(manager, output, laparams=LAParams())
   interpreter = PDFPageInterpreter(manager, converter)

   infile = file(fname, 'rb')
   for page in PDFPage.get_pages(infile, pagenums):
       interpreter.process_page(page)
   infile.close()
   converter.close()
   text = output.getvalue()
   output.close

   with open('D:\Reports\*.txt', 'w') as pdf_file:
       pdf_file.write(text)

   return text

directory = glob.glob('D:\Reports\*.pdf')  

for myfiles in directory:  
     convert(myfiles)

错误信息：

Traceback (most recent call last):
  File "F:/Text mining/pdfminer for several files", line 40, in <module>
    convert(myfiles)
  File "F:/Text mining/pdfminer for several files", line 32, in convert
    with open('D:\Reports\*.txt', 'w') as pdf_file:
IOError: [Errno 22] invalid mode ('w') or filename: 'D:\\Reports\\*.txt'
4

2 回答 2

1

该错误源于试图将text变量的内容写入名为'D:\Reports\*.txt'. 文件名 ( ref )*中不允许使用通配符。

如果要将文件保存到具有相同名称的文本文件中，可以将写入功能替换为：

   outfile = os.path.splitext(os.path.abspath(fname))[0] + '.txt'
   with open(outfile, 'wb') as pdf_file:
       pdf_file.write(text)

import os如果您想以与操作系统无关的方式处理路径，请不要忘记。

于 2016-11-28T17:47:59.440 回答
0

也许你应该改变：

with open('D:\Reports\*.txt', 'w') as pdf_file:
    pdf_file.write(text)

到

with open(fname, 'w') as pdf_file:
    pdf_file.write(text)

但我的机器上没有可用于验证的 python2.7-3.4

于 2016-11-28T17:40:55.620 回答