小屌丝：鱼哥， 你有没有什么办法，提取PDF文档的内容。 小鱼：这个还问我？？ 小屌丝：哎呀，这个不是被难住了嘛 。 小鱼：有啥难得？提示你一下， 小屌丝：嗯，可以可以。 小鱼：去我的博文找，没记错的话，有两种方法提取pdf的文字。 小屌丝：好嘞， 我这就去…找找… 小屌丝：鱼哥，鱼哥~ 小鱼：怎么样，你的这个需求，解决了吧。 小屌丝：没呢，我想批量提取指定PDF文档的内容… 小鱼：批…量… 小屌丝：对啊，是批量， 小鱼：这…还挺… 小屌丝：挺费劲吗？ 小鱼：挺好的 ，不费劲， 一口气，上7楼… 小屌丝：打住… 说正事！ ！ 小鱼：好嘞…

想到提取PDF文件的内容，我们第一反应就是pypdf， 因为pypdf这个库我在很多篇文章都介绍过， 还蛮好用的。 但是，今天，我们不使用pypdf，而是使用另一个库，即：pdfminer。

pdfminer我相信很多同学都没听说过，除非，你经常提取/解析PDF文件的内容，否则，你对ta，只能是陌生。

其实，提取PDF文件内容解决方案，截止到现在， 只有pypdf 和pdfminer这两种。 所以， 如果你厌倦了， pypdf，那只能选择pdfminer了。

那什么是pdfminer 呢，或者 pdfminer有什么神奇之处呢？

由于pdfminer是python 的第三方库， 所以，需要安装， 老规矩， 直接pip 安装 安装

安装完成：

因为我们需要用到 pdfminer的high_level 方法，所以 这里必须要在安装pdfminer.six模块，否则会报错：

安装

安装完成：

其它安装方式，直接看这两篇:

安装完成，我们就来写上代码， 我们先来捋顺一下思路，主要分3步：

我们就根据这个思路，来提取"企业基本情况"，代码如下：

代码示例

pdf文件 运行结果

看到这里，今天的分享，差不多就该结束了。 解析PDF是一件非常耗时和耗内存的工作，因此，pdfminer使用一种称作Lazy Parsing的策略，减少内耗… 小屌丝：怪不得， 提到批量提取pdf的文档内容， 你会犹豫了… 小鱼：对啊，因为我们的的测试文档内容很少，所以对内存的消耗相对来说没那么验证，当PDF文档的内容很多时， 就不得不使用pdfminer了。

并且， 关于pdf文档的内容提取，我们能多学习几个技能，就多学习几个技能。

技能多了，路就多了，最后，收入也就多了。

我是小鱼：

关注我，带你学习更多更有趣的Python知识。