filenames=os.listdir(r'C:\Users\lokiii\Desktop\《美食译苑——中文菜单英文译法》')

#在文件夹里创建文件
desktop_path = "C:\\Users\\lokiii\\Desktop\\t1\\"  # 新创建的txt文件的存放路径
full_path = desktop_path + name + '.txt'  # 也可以创建一个.doc的word文档
f= open(full_path, 'w',encoding='utf-8') 

#!/usr/bin/python
# -*- coding: utf-8 -*-
import os 
import sys
import importlib
importlib.reload(sys)
 
from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import *
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
 
'''
解析pdf文件，获取文件中包含的各种对象
'''
 
# 解析pdf文件函数
def parse(name):
    #path = "C:\\Users\\lokiii\\Desktop\\pdftxt\\"
    path = "C:\\Users\\lokiii\\Desktop\\《美食译苑——中文菜单英文译法》\\"

    pdf_path = path+name
    fp = open(pdf_path, 'rb')  # 以二进制读模式打开
    # 用文件对象来创建一个pdf文档分析器
    parser = PDFParser(fp)
    # 创建一个PDF文档
    doc = PDFDocument()
    # 连接分析器 与文档对象
    parser.set_document(doc)
    doc.set_parser(parser)
 
    # 提供初始化密码
    # 如果没有密码 就创建一个空的字符串
    doc.initialize()
    print(name)         
 
    # 检测文档是否提供txt转换，不提供就忽略
    if not doc.is_extractable:
        raise PDFTextExtractionNotAllowed
    else:
        # 创建PDf 资源管理器 来管理共享资源
        rsrcmgr = PDFResourceManager()
        # 创建一个PDF设备对象
        laparams = LAParams()
        device = PDFPageAggregator(rsrcmgr, laparams=laparams)
        # 创建一个PDF解释器对象
        interpreter = PDFPageInterpreter(rsrcmgr, device)
 
        # 用来计数页面，图片，曲线，figure，水平文本框等对象的数量
        num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal,count = 0, 0, 0, 0, 0,0

        desktop_path = "C:\\Users\\lokiii\\Desktop\\t1\\"  # 新创建的txt文件的存放路径
        full_path = desktop_path + name + '.txt'  # 也可以创建一个.doc的word文档
        f= open(full_path, 'w',encoding='utf-8') 
 
        # 循环遍历列表，每次处理一个page的内容
        for page in doc.get_pages(): # doc.get_pages() 获取page列表
            num_page += 1  # 页面增一
            interpreter.process_page(page)
            # 接受该页面的LTPage对象
            layout = device.get_result()
            for x in layout:
                if isinstance(x,LTImage):  # 图片对象
                    num_image += 1
                if isinstance(x,LTCurve):  # 曲线对象
                    num_curve += 1
                if isinstance(x,LTFigure):  # figure对象
                    num_figure += 1
                if isinstance(x, LTTextBoxHorizontal):  # 获取文本内容
                    num_TextBoxHorizontal += 1  # 水平文本框对象增一
                    # 保存文本内容
                    #with open(r'C:\Users\lokiii\Desktop\test.txt', 'a',encoding='utf-8') as f:    #生成doc文件的文件名及路径
                    results = (x.get_text()).strip()
                    if results.isdigit():
                        count += 1
                    else:
                        f.write(results)
                        f.write('\n\n')
                    #print(type(results))

        
        print('\n对象数量：\n','页面数：%s\n'%num_page,'图片数：%s\n'%num_image,'曲线数：%s\n'%num_curve,'水平文本框：%s\n'%num_TextBoxHorizontal,'数字：%s\n'%count)
        f.close()
 
 
if __name__ == '__main__':
    #pdf_path = r'C:\Users\lokiii\Desktop\guangzhou-restaurant-jiang-dim-sum.pdf'  #pdf文件路径及文件名
    #pdf_path = r'C:\Users\lokiii\Desktop\hong-kong-restaurant-man-wah-a-la-cart-menu.pdf
    #filenames=os.listdir(r'C:\Users\lokiii\Desktop\pdftxt')
    filenames=os.listdir(r'C:\Users\lokiii\Desktop\《美食译苑——中文菜单英文译法》')
    for name in filenames:
        parse(name.strip())