PDFMiner

PDFMiner通过首先考虑的PDF文件的内容，并把它转换为如HTML一个更有延展性的格式。
从那里，文本和数据被提取和分析，并基于分离并呈现给用户，或传送到其它更强大的数据分析工具的预定义的规则。
如果文本分析是不是你打算做什么，你可以轻松地配置PDFMiner简单地提取或者只是将PDF转换数据为好。
它的功能可相互独立工作，并允许更广泛的使用范围全靠它

功能：

• 100％的Python代码，没有C或C ++
• 解析PDF文件
• 分析PDF文件
• PDF文件转换为其他格式
• 的ToC提取
• 只得到标记的内容
• 支持大量的文本的PDF功能
• 支持大量的字体类型的PDF文件里面
• 基本加密（RC4）的支持

什么在此版本中是新的：

• 在PDFDocument.initialize（）方法被删除，不再需要。密码是作为一个PDFDocument构造函数的参数。

在什么版本20110515是新的：

• 在API的变化
• LTPolygon类更名为LTCurve。

在什么版本20110227是新的：

• 在Bug修复和布局分析改进

什么是20101226版新：

• 在一对夫妇的错误修正和小的改进的

什么是20101017版新：

• 在一对夫妇的错误修正和小的改进

在什么版本20100424是新的：

• 在错误修正和TOC提取微小的改进

要求：

• 在Python的2.4至3

限制：

• 在PDFMiner可以比C / C ++慢20倍 - 基于软件