如何在Python/Django中逐行读取pdf文件？

我处理的文本和pdf文件等于或小于

5KB

。如果文件是文本文件，我从表单中获取一个文件，并以字符串形式获取所需的输入以进行汇总：

 file = file.readlines()
 file = ''.join(file)
 result = summarize(file, num_sentences)

---

这很容易做到，但对于pdf文件来说却不是那么容易。有没有办法像我在Python/Django中使用txt文件那样，将pdf文件中的句子转换成字符串？

我认为不可能像使用txt文件那样读取pdf文件，您需要将pdf文件转换为txt文件（请参阅），然后进行处理。

---

您也可以参考此文件轻松地将pdf转换为txt

我认为不可能像您使用txt文件那样读取pdf，您需要将pdf转换为txt文件（请参考），然后进行处理。

---

您也可以参考此文档，在Django中轻松地将pdf转换为txt。您可以执行以下操作：

views.py：

def upload_pdf():
     if request.method == 'POST' and request.FILES['myfile']:
        pdfFileObj = request.FILES['myfile'].read() 
        pdfReader = PyPDF2.PdfFileReader(io.BytesIO(pdfFileObj))
        NumPages = pdfReader.numPages
        i = 0
        content = []
        while (i<NumPages):
            text = pdfReader.getPage(i)
            content.append(text.extractText())
            i +=1
       # depends on what you want to do with the pdf parsing results
       return render(request, .....) 

def upload_pdf（）：
如果request.method=='POST'和request.FILES['myfile']：
pdfFileObj=request.FILES['myfile'].read（）
pdfReader=PyPDF2.PdfFileReader（io.BytesIO（pdfFileObj））
NumPages=pdfReader.NumPages
i=0
内容=[]
在Django（i中），您可以执行以下操作：

views.py：

def upload_pdf():
     if request.method == 'POST' and request.FILES['myfile']:
        pdfFileObj = request.FILES['myfile'].read() 
        pdfReader = PyPDF2.PdfFileReader(io.BytesIO(pdfFileObj))
        NumPages = pdfReader.numPages
        i = 0
        content = []
        while (i<NumPages):
            text = pdfReader.getPage(i)
            content.append(text.extractText())
            i +=1
       # depends on what you want to do with the pdf parsing results
       return render(request, .....) 

def upload_pdf（）：
如果request.method=='POST'和request.FILES['myfile']：
pdfFileObj=request.FILES['myfile'].read（）
pdfReader=PyPDF2.PdfFileReader（io.BytesIO（pdfFileObj））
NumPages=pdfReader.NumPages
i=0
内容=[]
while（这可能是这个问题的重复：是的，可能是。但我已经在那个问题中尝试了建议解决方案。它无法以字符串形式返回所有文件的内容。也许你可以在问题中这样说，并说出到底出了什么错（错误消息？错误内容？）因此，我们可以帮助您！您可以使用此应用程序：这可能是此问题的重复：是的，可能是。但我已经在该问题中尝试了“建议”解决方案。它无法以字符串形式返回所有文件的内容。也许您可以在问题中这样说，并说明到底出了什么问题（错误消息？错误内容？）因此，我们可以帮助您！您可以使用此应用程序：
fileName = "path/test.pdf"
pdfFileObj = open(fileName,'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
NumPages = pdfReader.numPages

i = 0
content = []
while (i<NumPages):
    text = pdfReader.getPage(i)
    content.append(text.extractText())
    i +=1