Python3.6.3用pdfminer.six批量转PDF为TXT遇模块及脚本执行错误求助

我来帮你逐个拆解这两个问题，都是用pdfminer.six处理PDF时容易踩的坑：

一、解决「ModuleNotFoundError: No module named 'pdfminer'」错误 #

你已经安装了pdfminer.six，但代码还是报错找不到pdfminer模块，大概率是两个原因：

1. 虚拟环境激活问题 #

确保你运行代码时，是在安装了pdfminer.six的那个Python3.6.3虚拟环境里。可以先执行：

# Linux/macOS激活虚拟环境（根据你的环境创建方式调整）
source your_env/bin/activate
# Windows下激活虚拟环境
your_env\Scripts\activate

激活后用pip list确认pdfminer.six确实在当前环境中，再运行你的Python脚本。

2. 代码的Python3兼容性问题 #

你的代码里用了Python2的file()函数，Python3已经移除了这个函数，换成open()即可。另外还有几处小细节需要修正，比如output.close要加括号变成output.close()，写入TXT时指定编码避免乱码。修正后的完整代码如下：

from io import StringIO
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
import os

# 转换单份PDF为文本字符串
def convert(fname, pages=None):
    if not pages:
        pagenums = set()
    else:
        pagenums = set(pages)
    output = StringIO()
    manager = PDFResourceManager()
    converter = TextConverter(manager, output, laparams=LAParams())
    interpreter = PDFPageInterpreter(manager, converter)
    # 替换Python2的file()为Python3的open()，用with语句自动关闭文件
    with open(fname, 'rb') as infile:
        for page in PDFPage.get_pages(infile, pagenums):
            interpreter.process_page(page)
    converter.close()
    text = output.getvalue()
    # 修正：close()需要加括号调用
    output.close()
    return text

# 批量转换目录下所有PDF到指定目录
def convertMultiple(pdfDir, txtDir):
    if pdfDir == "":
        pdfDir = os.getcwd() + "\\"
    # 确保输出目录存在，避免因目录不存在报错
    os.makedirs(txtDir, exist_ok=True)
    for pdf in os.listdir(pdfDir):
        fileExtension = pdf.split(".")[-1]
        # 小写匹配后缀，避免大小写不一致的问题
        if fileExtension.lower() == "pdf":
            # 用os.path.join拼接路径，适配不同系统的路径分隔符
            pdfFilename = os.path.join(pdfDir, pdf)
            text = convert(pdfFilename)
            textFilename = os.path.join(txtDir, f"{pdf}.txt")
            # 指定utf-8编码写入，避免中文等非ASCII字符乱码
            with open(textFilename, "w", encoding="utf-8") as textFile:
                textFile.write(text)

pdfDir = "../../data/raw/"
txtDir = "../../data/interim/"
convertMultiple(pdfDir, txtDir)

我还额外加了os.makedirs确保输出目录存在、用os.path.join避免路径拼接错误，这些都是批量处理时的实用优化。

二、解决「env: python\r: No such file or directory」错误 #

这个错误是换行符格式问题：你在Windows环境下安装的pdfminer.six，其中pdf2txt.py脚本的第一行shebang（#!/usr/bin/env python）带有Windows的\r换行符，在Linux/macOS的shell里，会把python\r当成一个完整的命令，自然找不到对应的程序。

解决方法有三种：

• 方法1：直接用Python运行脚本
  不用直接执行pdf2txt.py，而是指定虚拟环境里的Python来运行：

  python pdf2txt.py filename.pdf
  # 如果虚拟环境的Python命令是python3，就用
  python3 pdf2txt.py filename.pdf
  

• 方法2：修复脚本的换行符
  用dos2unix工具转换脚本的换行符（Linux/macOS下可以用包管理器安装）：

  dos2unix $(which pdf2txt.py)
  

• 方法3：手动修改shebang行
  用which pdf2txt.py找到脚本路径，用编辑器打开第一行，删除末尾的\r（确保第一行是#!/usr/bin/env python，没有多余的回车符）。

内容的提问来源于stack exchange，提问作者Huy Le