pdfminer.six是一个用于Python 3的pdfminer的社区维护版本。它有多个API可以从PDF中提取文本，具体取决于您的需求。在幕后，所有这些API都使用相同的逻辑来解析和分析布局。

如果您只想提取文本一次，可以使用命令行工具pdf2txt.py。命令如下：

$ pdf2txt.py example.pdf

如果您想使用Python提取文本（属性），可以使用高级API。这种方法是从PDF中以编程方式提取信息的首选解决方案。代码如下：

from pdfminer.high_level import extract_text
# 从pdf中提取文本。
text = extract_text('example.pdf')
# 提取LTPage对象的迭代器。
pages = extract_pages('example.pdf')

还有一种可组合的API，它在处理结果对象时提供了很大的灵活性。例如，它允许您创建自己的布局算法。这种方法在其他答案中被建议，但我只建议在需要自定义某些组件时使用。代码如下：

from io import StringIO
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.pdfpage import PDFPage
from pdfminer.pdfparser import PDFParser
output_string = StringIO()
with open('example.pdf', 'rb') as in_file:
    parser = PDFParser(in_file)
    doc = PDFDocument(parser)
    rsrcmgr = PDFResourceManager()
    device = TextConverter(rsrcmgr, output_string, laparams=LAParams())
    interpreter = PDFPageInterpreter(rsrcmgr, device)
    for page in PDFPage.create_pages(doc):
        interpreter.process_page(page)
print(output_string.getvalue())

问题：当我尝试将extract_text()方法的结果打印到控制台时，我得到了每个页面都是"None"的响应。为什么会发生这种情况？我尝试了两个不同来源的学术研究PDF文件。

答案：好吧，我找到了问题所在：我在Firefox中使用了打印功能来另存为PDF，而不是直接下载。这样做会使整个页面成为图像，而不是一组字形。

如何在Python 3中使用PDFminer.six？

PDFminer.six是一个用于处理PDF文件的Python库。它提供了从PDF中提取文本和布局信息的功能。本文将介绍安装PDFminer.six的方法以及如何使用它来提取PDF文件中的文本。

首先，需要安装pdfminer.six或pdfminer3。可以通过运行以下命令来安装pdfminer3：

pip install pdfminer3

在升级到Python 3.7之后，我切换到了pdfminer3。我在Ubuntu和macOS上使用Python 3.7.3。pdfminer3附带了两个有用的工具：pdf2txt.py和dumppdf.py。这些工具可以用来检查PDF文件的源代码，非常简单易懂。

下面是一个示例代码，用于从PDF文件中提取文本（需要添加PDF文件的路径）：

from pdfminer3.layout import LAParams, LTTextBox
from pdfminer3.pdfpage import PDFPage
from pdfminer3.pdfinterp import PDFResourceManager
from pdfminer3.pdfinterp import PDFPageInterpreter
from pdfminer3.converter import PDFPageAggregator
from pdfminer3.converter import TextConverter
import io
resource_manager = PDFResourceManager()
fake_file_handle = io.StringIO()
converter = TextConverter(resource_manager, fake_file_handle, laparams=LAParams())
page_interpreter = PDFPageInterpreter(resource_manager, converter)
with open('/path/to/file.pdf', 'rb') as fh:
    for page in PDFPage.get_pages(fh, caching=True, check_extractable=True):
        page_interpreter.process_page(page)
    text = fake_file_handle.getvalue()
# close open handles
converter.close()
fake_file_handle.close()
print(text)

如果遇到以下问题，可以考虑以下解决方法：

1. 如何在每页之后添加页面分隔符？

2. 是否有办法将文本转换为十进制或整数的数组？

3. 如何以有意义的方式提取PDF文件中的数据，例如年度或所缴纳的所得税等信息？

对于第一个问题，可以使用pdfminer3的`laparams`参数来指定页面分隔符。详情请参考以下链接：

[stackoverflow.com/questions/58889337](https://stackoverflow.com/questions/58889337)

至于第二个问题，可以考虑使用tabula-py库来将文本转换为数组。tabula-py是一个用于提取表格数据的Python库，可以将PDF文件中的表格转换为DataFrame对象。

希望这些信息对你有所帮助！