Извлечь текст из файла pdf с помощью pdfplumber

Question

Я хочу извлечь текст из файла pdf, пробовал:

      directory = r'C:\Users\foo\folder'

for x in os.listdir(directory):
    print(x)
    x = x.replace('.pdf','')
    filename = os.fsdecode(x)
    print(x)

    if filename.endswith('.pdf'):
        with pdfplumber.open(x) as pdf1:
            page1 = pdf1.pages[0]
            text1 = page1.extract_text()
            print(text1)

и напечатал:

      20170213091544343.pdf
20170213091544343

Увидев файл с именем 20170213091544343, Я добавил:

      
    else:
        with pdfplumber.open(x) as pdf1:
                page1 = pdf1.pages[0]
                text1 = page1.extract_text()
                print(text1)
            

прочитать файл в случае, если в имени файла нет .pdf и он обнаружил ошибку:

      
20170213091544343.pdf
20170213091544343
---------------------------------------------------------------------------
FileNotFoundError                         Traceback (most recent call last)
<ipython-input-34-e370b214f9ba> in <module>
     16 
     17     else:
---> 18         with pdfplumber.open(x) as pdf1:
     19                 page1 = pdf1.pages[0]
     20                 text1 = page1.extract_text()

C:\Python38\lib\site-packages\pdfplumber\pdf.py in open(cls, path_or_fp, **kwargs)
     56     def open(cls, path_or_fp, **kwargs):
     57         if isinstance(path_or_fp, (str, pathlib.Path)):
---> 58             fp = open(path_or_fp, "rb")
     59             inst = cls(fp, **kwargs)
     60             inst.close = fp.close

FileNotFoundError: [Errno 2] No such file or directory: '20170213091544343'

Answer 1

os.listdir() дает только filename и ты должен присоединиться к этому с directory

      for filename in os.listdir(directory):

    fullpath = os.path.join(directory, filename)

    #print(fullpath)

И вы должны продолжать .pdf

      import os
import pdfplumber

directory = r'C:\Users\foo\folder'

for filename in os.listdir(directory):
    if filename.endswith('.pdf'):

        fullpath = os.path.join(directory, filename)
        #print(fullpath)

        #all_text = ""

        with pdfplumber.open(fullpath) as pdf:
            for page in pdf.pages:
                text = page.extract_text()
                print(text)
                #all_text += text

        #print(all_text)

или с номером страницы

              with pdfplumber.open(fullpath) as pdf:
            for number, page in enumerate(pdf.pages, 1):
                print('--- page', number, '---')
                text = page.extract_text()
                print(text)