PDFMinerのバージョンは違いますか？ AttributeErrorの取得： 'PDFDocument'オブジェクトに属性 'seek'がありません

Question

以前のSOの質問からPythonコードを削除しましたが、PDFMinerの以前のバージョン用にコードが書き込まれました。 。私はすでに、エラーに対処するためにカップルの変更を行ったが、今、私は次のエラーを取得しています：

C:\Users\xxxx\Documents\Programming\Python>pdfextractor.py 
Traceback (most recent call last): 
    File "C:\Users\xxxx\Documents\Programming\Python\pdfextractor.py", line 71, in <module> 
    pdf_to_csv(sourcefile) 
    File "C:\Users\xxxx\Documents\Programming\Python\pdfextractor.py", line 55, in pdf_to_csv 
    for i, page in PDFPage.get_pages(doc): 
    File "C:\Program Files\Python27\lib\site-packages\pdfminer\pdfpage.py", line 119, in get_pages 
    parser = PDFParser(fp) 
    File "C:\Program Files\Python27\lib\site-packages\pdfminer\pdfparser.py", line 43, in __init__ 
    PSStackParser.__init__(self, fp) 
    File "C:\Program Files\Python27\lib\site-packages\pdfminer\psparser.py", line 495, in __init__ 
    PSBaseParser.__init__(self, fp) 
    File "C:\Program Files\Python27\lib\site-packages\pdfminer\psparser.py", line 166, in __init__ 
    self.seek(0) 
    File "C:\Program Files\Python27\lib\site-packages\pdfminer\psparser.py", line 507, in seek 
    PSBaseParser.seek(self, pos) 
    File "C:\Program Files\Python27\lib\site-packages\pdfminer\psparser.py", line 196, in seek 
    self.fp.seek(pos) 
AttributeError: 'PDFDocument' object has no attribute 'seek' 

そして、ここでは、私が実行しているコードです：

# ORIGINAL CODE DOES NOT SEEM COMPATIBLE WITH THE CURRENT VERSION OF PDFMINER! 

# Code taken from: 
# https://stackoverflow.com/questions/25665/python-module-for-converting-pdf-to-text 

def pdf_to_csv(filename): 
    from cStringIO import StringIO 
    from pdfminer.converter import LTChar, TextConverter 
    from pdfminer.layout import LAParams 
    # from pdfminer.pdfparser import PDFDocument, PDFParser  # Not compatible with current version of PDFMiner 
    from pdfminer.pdfparser import PDFParser 
    from pdfminer.pdfdocument import PDFDocument 
    from pdfminer.pdfpage import PDFPage 
    from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter 

    class CsvConverter(TextConverter): 
     def __init__(self, *args, **kwargs): 
      TextConverter.__init__(self, *args, **kwargs) 

     def end_page(self, i): 
      from collections import defaultdict 
      lines = defaultdict(lambda : {}) 
      for child in self.cur_item._objs:     #<-- changed 
       if isinstance(child, LTChar): 
        (_,_,x,y) = child.bbox 
        line = lines[int(-y)] 
        line[x] = child._text.encode(self.codec) #<-- changed 

      for y in sorted(lines.keys()): 
       line = lines[y] 
       self.outfp.write(";".join(line[x] for x in sorted(line.keys()))) 
       self.outfp.write("\n") 

    # ... the following part of the code is a remix of the 
    # convert() function in the pdfminer/tools/pdf2text module 
    rsrc = PDFResourceManager() 
    outfp = StringIO() 
    device = CsvConverter(rsrc, outfp, codec="utf-8", laparams=LAParams()) 
    # because my test documents are utf-8 (note: utf-8 is the default codec) 

    # doc = PDFDocument()        # Raises error with current version of PDFMiner 
                 # --> TypeError: __init__() takes at least 2 arguments (1 given) 
    fp = open(filename, 'rb') 
    parser = PDFParser(fp) 
    doc = PDFDocument(parser,'')      # Inserted ahead of 'parser.set_document(doc)' to avoid error 
                 # --> UnboundLocalError: local variable 'doc' referenced before assignment 
    parser.set_document(doc) 
    # doc.set_parser(parser)       # Not compatible with current version of PDFMiner 
    # doc.initialize('')        # Not compatible with current version of PDFMiner 

    interpreter = PDFPageInterpreter(rsrc, device) 

    # for i, page in enumerate(doc.get_pages()):  # Not compatible with current version of PDFMiner 
    for i, page in PDFPage.get_pages(doc): 
     outfp.write("START PAGE %d\n" % i) 
     if page is not None: 
      interpreter.process_page(page) 
     outfp.write("END PAGE %d\n" % i) 
     # data = retstr.getvalue() 

    device.close() 
    fp.close() 

    return outfp.getvalue() 

sourcefile = 'testfile1.pdf' 
# sourcefile = 'testfile2.pdf' 
# sourcefile = 'testfile3.pdf' 

pdf_to_csv(sourcefile) 
print 'Done.' 

誰もが起こっているのかを見ることができます？パーサー（パラメータ、シーケンスなど）の呼び出し方法を変更する必要がありますか？

私が実行しているPythonの2.7.12 & PDFMiner '20140328' のWindows 10上

Answer 1

がで

for i, page in enumerate(PDFPage.create_pages(doc)): 

でコードサンプルをライン

for i, page in PDFPage.get_pages(doc): 

を交換してみてください " this page of the PDFMiner documentationの「Basic Usage」セクションでは、create_pagesを使用してドキュメント内のページを繰り返し処理することを提案しています。ページのインデックスeを変数iに入れて、create_pagesへの呼び出しをenumerateにラップしました。