欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 文旅 > 美景 > python(6) : 读取pdf的文本, 读取pdf每一页为文件

python(6) : 读取pdf的文本, 读取pdf每一页为文件

2024/10/23 1:04:03 来源:https://blog.csdn.net/Lxinccode/article/details/141188847  浏览:    关键词:python(6) : 读取pdf的文本, 读取pdf每一页为文件

参考 : 解决fitz模块报错RuntimeError: Directory ‘static/‘ does not exist_directory 'static' does not exist-CSDN博客 

 read_pdf.py

# -*- coding: utf-8 -*-
import PyPDF2
import fitz
import pdfplumber'''
pip install PyPDF2
pip install pdfplumber
'''# 读取pdf每一页保存为图片
def pdf2img(pdf_file, output_folder):pdf_document = fitz.open(pdf_file)for page_number in range(pdf_document.page_count):page = pdf_document.load_page(page_number)image = page.get_pixmap(matrix=fitz.Matrix(3, 3))image.save(output_folder + f'page_{page_number + 1}.jpg')pdf_document.close()# 读取pdf内的文本
def read_pdf_handle2(file_path):text = ""with pdfplumber.open(file_path) as pdf:for page in pdf.pages:text += page.extract_text() + "\n"return text# 读取pdf内的文本
def read_pdf_handle(file_path):# 打开 PDF 文件texts = ""with open(file_path, 'rb') as file:reader = PyPDF2.PdfReader(file)# 获取 PDF 文件中的页面数量num_pages = len(reader.pages)print(f'此PDF文件共有 {num_pages} 页')# 读取每一页的内容for page_number in range(num_pages):page = reader.pages[page_number]text = page.extract_text()texts += textreturn textsif __name__ == '__main__':print(read_pdf_handle("F:test\\5.pdf"))

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com