python讀取pdf文件尺寸,python讀取pdf內容

本文目錄一覽：

• 1、python變形調整pdf文檔尺寸
• 2、python怎樣讀取pdf文件的內容
• 3、python pdf二進位讀取問題
• 4、Python利器：如何處理PDF表格數據
• 5、python如何讀取文件大小

python變形調整pdf文檔尺寸

把一個目錄下的所有Word文件，轉換為PDF文件。

1.打開要縮小的pdf文件，在打開的窗口中找到文件選項。2.點擊文件選項後，出現下拉菜單，在這裡找到另存為其他。3.滑鼠放到另存為其他選項後，出現新的菜單這裡選擇縮小大小的PDF。

Python語法和動態類型，以及解釋型語言的本質，使它成為多數平台上寫腳本和快速開發應用的編程語言，隨著版本的不斷更新和語言新功能的添加，逐漸被用於獨立的、大型項目的開發。

python怎樣讀取pdf文件的內容

pdfminer 庫

前幾天剛做完一個解析PDF的web應用，給你地址也可以參考一下

python pdf二進位讀取問題

可以使用numpy.fromfile()，也可以使用open(filename, ‘rb’)，其中的’b’就是二進位的意思，然後使用文件類型的read方法，讀取一些位元組，再用struct.unpack()方法來解析二進位。

第一種方法是一次性讀入文件（或文件的前多少個連續位元組）到一個數組中，因此，靈活性差。

第二種方法靈活性很高，可以讀取任意位置（使用文件的seek()方法跳躍位置）的二進位數據，再使用struct.unpack()方法來進行各種二進位解析。

提示：二進位文件是不保留存儲方式的數據格式，因此，讀二進位文件時應該知道二進位文件的存儲格式。

Python利器：如何處理PDF表格數據

大家好，我是Peter~

在很多情況下，我們都需要處理PDF格式的文件。尤其當我們遇到PDF表格數據需要進行提取，真的是一個令人頭疼的問題。

因為PDF文件不能像Word那樣直接複製，即使複製了再黏貼也可能會出現格式排版錯亂甚至亂碼問題。如何從一個PDF文件提取出表格數據？本文提供兩個解決方案：

首先提供的一種方法是從文字 PDF 中提取表格信息的工具：Camelot，它能夠直接將大部分表格轉換為 Pandas 的 Dataframe。

更多的詳細信息，請參考項目地址：

camelot的安裝有多種方式。如果有報錯，網上一般有解決方式：

1、通過conda安裝

2、使用pip進行安裝

3、通過GitHub進行安裝

首先將項目複製到本地：

然後進入文件中進行安裝：

下面通過一個案例來講解如何使用camelot。假設我們現在有一個只有一頁的PDF文件test.pdf：

1、先讀取文件

導出成csv格式的數據（方式1）

查看tables的相關信息：

導出方式2：

將數據轉換成DataFrame：

tabula的功能比camelot更加強大，可以同時對多個表格數據進行提取。項目的具體地址請參考：

tabula的安裝是非常簡單的：

安裝之後檢驗這個庫是否安裝成功：

通過tabula這個庫來讀取PDF文件：

然後我們發現列表中唯一的一個元素就是dataframe：

將讀取到的數據輸出成CSV格式的文件：

上面讀取的PDF文件是比較簡單的，只有一頁，而且剛好是一個很標準的表格形式的數據，下面看一個比較複雜的例子：

下面是第一頁，第一列可以看成是索引：

在第二頁中有兩份表格，而且中間有很多的空白行：

第三頁的數據比較標準：

這3頁是在同一個PDF文件中，這3頁是在同一個PDF文件中，這3頁是在同一個PDF文件中

上面的紅色提示中我們看到：當沒有指定pages參數的時候，只會默認讀取第一頁的數據，所以列表的長度為1。

轉成dataframe後將原來的索引變成新的一列 （部分數據）

通過pages來讀取全部數據：

通過指定pages=”all”：

同時獲取兩個表格的數據：

通過area參數來指定：

刪除在讀取的表格中我們不需要的欄位信息

可以將得到的數據輸出成不同格式的文件，以json格式為例：

我們可以看到

python如何讀取文件大小

python讀取文件大小的代碼如下：

[python] view plaincopyimport os

from os.path import join, getsize

def getdirsize(dir):

size = 0L

for root, dirs, files in os.walk(dir):

size += sum([getsize(join(root, name)) for name in files])

return size

if ‘__name__’ == ‘__main__’:

filesize = getdirsize(r’c:\windows’)

print ‘There are %.3f’ % (size/1024/1024), ‘Mbytes in c:\\windows’