python-3.x - 错误 : cannot import name 'PDFDocument' from 'pdfminer.pdfparser'

Question

我需要从 pdf 文件中提取文本，并成功使用了 pdfminer.six，提取了文本段落和表格。但是现在我收到与该行相关的错误

from pdfminer.pdfparser import PDFParser, PDFDocument: 

导入错误:无法从 'pdfminer.pdfparser' 导入名称 'PDFDocument' (C:\Users[username]\Anaconda3\lib\site-packages\pdfminer\pdfparser.py)

我正在使用 Anaconda Jupyter。 python 3.7.3。打包pdfminer.six-20181108

我使用的代码基于此:
How to read pdf file using pdfminer3k?

根据下面给出的建议，我多次尝试卸载并重新安装 Anaconda 和 pdfminer.six 以及其他软件包:
https://github.com/pdfminer/pdfminer.six/issues/196
一周前它突然起作用了，但现在我再次出错。

由于我在 Win10 上工作，因此我也尝试使用 Linux Ubuntu，如下所述:
https://medium.com/hugo-ferreiras-blog/using-windows-subsystem-for-linux-for-data-science-9a8e68d7610c

同样的错误。

然后，基于下面的网页，我认为值得尝试拆分 PDFparser、PDFDocument:
从

from pdfminer.pdfparser import PDFParser, PDFDocument

到

from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfpage import PDFPage

https://loctv.wordpress.com/2017/02/07/fix-importerror-cannot-import-name-pdfdocument-when-using-slate/
..
但这在稍后的代码中产生了新的错误。

我的代码的开头是这样的:

```
path = [name and path of file]
fp = open(path, 'rb')
from pdfminer.pdfparser import PDFParser, PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LAParams, LTTextBox, LTTextLine
```

我希望能够运行代码并从 pdf 文件中提取文本，但代码因与 PDFDocument pdfminer.pdfparser 相关的错误而停止

任何关于我应该做什么的建议都非常感谢!可能与 pdfminer.six 的安装方式有关吗？

Answer 1

我得到了 Notodden Serit 的帮助。改变这个:

from pdfminer.pdfparser import PDFParser, PDFDocument

到:

from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfpage import PDFPage

并添加解析器

doc = PDFDocument()

到:

doc = PDFDocument(parser)

进而:

for page in doc.get_pages():

到:

for page in PDFPage.create_pages(doc):