在python中讀取所有類型的文件

我想從python中的不同類型的文件中提取信息（.pdf .doc .docx）並將其轉換爲.txt，但在處理不同的文件時，我在不需要時獲取空格和換行符和許多其他問題。我已經嘗試過PyPDF2和PDF manager.Please建議我可以從文件中提取信息的東西。在python中讀取所有類型的文件

編輯

目前尋找的東西，它可以幫助我從.pdf文件中提取確切的文本。我已經嘗試過PyPDF，PDFMiner和PDF Manager，並且我在其中的一些pdf中遇到了問題。

2017-05-25 skag

我個人認爲pdfminer是用於提取PDF文件Get it here

信息的最佳Python模塊，我認爲你可以參考this link 相應的文件格式。

2017-05-25 11:22:11 gowtham

我用pdfminer它不適用於所有的PDF文件。此外，你可以建議一些.doc和.docx – skag

我想你可以參考http://davidmburke.com/2014/02/04/python-convert-documents-doc-docx-odt-pdf-to-plain -text-without-libreoffice /用於相應的文件格式。乾杯！ – gowtham

獲得這個隨機空間以及 – skag

回答