PDFMiner 是一款 PDF 文档的文本提取工具。
警告：截至 2020 年，PDFMiner 并未得到积极维护。该代码仍然有效，但该项目基本上处于休眠状态。对于活动项目，请查看其分支 pdfminer.6。
> pip install pdfminer> pdf2txt.py samples/simple1.pdfpdf2txt.py 提取以编程方式呈现的所有文本。它还提取每个文本段的相应位置、字体名称、字体大小、书写方向（水平或垂直）。它无法识别图像中的文本。受限制的 PDF 文档需要提供密码。
> 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密码。-o output ：输出文件名。-t text|html|xml|tag ：输出类型。 （默认值：从输出文件名自动推断。）-O output_dir ：提取图像的输出目录。-c encoding ：输出编码。 （默认：utf-8）-s scale ：输出比例。-R rotation ：以度数旋转页面。-Y normal|loose|exact ：指定布局模式。 （仅适用于 HTML 输出。）-p pagenos ：仅处理某些页面。-m maxpages ：限制要处理的最大页数。-S ：去除控制字符。-C ：禁用资源缓存。-n ：禁用布局分析。-A ：对包括图形在内的所有文本应用布局分析。-V ：自动检测垂直书写。-M char_margin ：指定字符边距。-W word_margin ：指定字边距。-L line_margin ：指定行边距。-F boxes_flow ：指定盒子流量比率。-d ：打开调试输出。dumppdf.py 用于调试 PDF。它以伪 XML 格式转储所有内部内容。
> dumppdf.py [-P password] [-a] [-p pageid] [-i objid]
[-o output] [-r|-b|-t] [-T] [-O directory] [-d]
input.pdf ...
-P password ：PDF密码。-a ：提取所有对象。-p pageid ：提取 Page 对象。-i objid ：提取某个对象。-o output ：输出文件名。-r ：原始模式。转储原始压缩/编码流。-b ：二进制模式。转储未压缩/解码的流。-t ：文本模式。以文本格式转储流。-T ：标记模式。转储标记的内容。-O output_dir ：提取流的输出目录。 
