PDFMiner 是一款 PDF 文件的文字擷取工具。
警告：截至 2020 年，PDFMiner 並未得到積極維護。該程式碼仍然有效，但該項目基本上處於休眠狀態。對於活動項目，請查看其分支 pdfminer.6。
> pip install pdfminer> pdf2txt.py samples/simple1.pdfpdf2txt.py 提取以程式設計方式呈現的所有文字。它還提取每個文字段的相應位置、字體名稱、字體大小、書寫方向（水平或垂直）。它無法識別圖像中的文字。受限制的 PDF 文件需要提供密碼。
> 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密碼。-o output ：輸出檔名。-t text|html|xml|tag ：輸出類型。 （預設值：從輸出檔名自動推斷。）-O output_dir ：提取影像的輸出目錄。-c encoding ：輸出編碼。 （預設：utf-8）-s scale ：輸出比例。-R rotation ：以度數旋轉頁面。-Y normal|loose|exact ：指定佈局模式。 （僅適用於 HTML 輸出。）-p pagenos ：僅處理某些頁面。-m maxpages ：限制要處理的最大頁數。-S ：移除控製字元。-C ：停用資源快取。-n ：停用佈局分析。-A ：對包括圖形在內的所有文字套用佈局分析。-V ：自動偵測垂直書寫。-M char_margin ：指定字元邊距。-W word_margin ：指定字邊距。-L line_margin ：指定行邊距。-F boxes_flow ：指定盒子流量比率。-d ：開啟調試輸出。dumppdf.py 用於調試 PDF。它以偽 XML 格式轉儲所有內部內容。
> dumppdf.py [-P password] [-a] [-p pageid] [-i objid]
[-o output] [-r|-b|-t] [-T] [-O directory] [-d]
input.pdf ...
-P password ：PDF密碼。-a ：提取所有對象。-p pageid ：提取 Page 物件。-i objid ：提取某個物件。-o output ：輸出檔名。-r ：原始模式。轉儲原始壓縮/編碼流。-b ：二進位模式。轉儲未壓縮/解碼的串流。-t ：文字模式。以文字格式轉儲流。-T ：標記模式。轉儲標記的內容。-O output_dir ：提取流的輸出目錄。 
