PDFMiner는 PDF 문서용 텍스트 추출 도구입니다.
경고 : 2020년 현재 PDFMiner는 적극적으로 유지 관리되지 않습니다 . 코드는 여전히 작동하지만 이 프로젝트는 대체로 휴면 상태입니다. 활성 프로젝트의 경우 해당 포크 pdfminer.six를 확인하세요.
> pip install pdfminer> pdf2txt.py samples/simple1.pdfpdf2txt.py는 프로그래밍 방식으로 렌더링되는 모든 텍스트를 추출합니다. 또한 각 텍스트 세그먼트에 대해 해당 위치, 글꼴 이름, 글꼴 크기, 쓰기 방향(가로 또는 세로)을 추출합니다. 이미지 속 텍스트는 인식하지 못합니다. 제한된 PDF 문서에는 비밀번호를 제공해야 합니다.
> pdf2txt.py [-P password] [-o output] [-t text|html|xml|tag]
[-O output_dir] [-c encoding] [-s scale] [-R rotation]
[-Y normal|loose|exact] [-p pagenos] [-m maxpages]
[-S] [-C] [-n] [-A] [-V]
[-M char_margin] [-L line_margin] [-W word_margin]
[-F boxes_flow] [-d]
input.pdf ...
-P password : PDF 비밀번호입니다.-o output : 출력 파일 이름입니다.-t text|html|xml|tag : 출력 유형. (기본값: 출력 파일 이름에서 자동으로 추론됩니다.)-O output_dir : 추출된 이미지의 출력 디렉터리입니다.-c encoding : 출력 인코딩입니다. (기본값:utf-8)-s scale : 출력 규모.-R rotation : 페이지를 각도 단위로 회전합니다.-Y normal|loose|exact : 레이아웃 모드를 지정합니다. (HTML 출력에만 해당됩니다.)-p pagenos : 특정 페이지만 처리합니다.-m maxpages : 처리할 최대 페이지 수를 제한합니다.-S : 제어 문자를 제거합니다.-C : 리소스 캐싱을 비활성화합니다.-n : 레이아웃 분석을 비활성화합니다.-A : 그림을 포함한 모든 텍스트에 대한 레이아웃 분석을 적용합니다.-V : 세로쓰기를 자동으로 감지합니다.-M char_margin : 문자 여백을 지정합니다.-W word_margin : 단어 여백을 지정합니다.-L line_margin : 줄 여백을 지정합니다.-F boxes_flow : 박스 흐름 비율을 지정합니다.-d : 디버그 출력을 켭니다.dumppdf.py는 PDF 디버깅에 사용됩니다. 모든 내부 내용을 의사 XML 형식으로 덤프합니다.
> dumppdf.py [-P password] [-a] [-p pageid] [-i objid]
[-o output] [-r|-b|-t] [-T] [-O directory] [-d]
input.pdf ...
-P password : PDF 비밀번호입니다.-a : 모든 객체를 추출합니다.-p pageid : 페이지 개체를 추출합니다.-i objid : 특정 객체를 추출합니다.-o output : 출력 파일 이름입니다.-r : 원시 모드. 원시 압축/인코딩된 스트림을 덤프합니다.-b : 바이너리 모드. 압축되지 않은/디코딩된 스트림을 덤프합니다.-t : 텍스트 모드. 스트림을 텍스트 형식으로 덤프합니다.-T : 태그된 모드. 태그된 내용을 덤프합니다.-O output_dir : 추출된 스트림의 출력 디렉터리입니다. 
