pdfplumber库中提供了一个extract_text()方法来帮助我们提取PDF文件中的文字。我们只需要使用pdfplumber中的open()方法打开我们希望提取文字的PDF文件,然后对所需提取文字的页面使用extract_text()方法即可提取出所需文字。
若希望提取出文件中全部文字,利用循环遍历PDF文件中所有页面即可
代码示例
import pdfplumberimport os#提取一页文字def extract_text_onepage (filepath,wpage):pdf = pdfplumber.open(filepath)page = pdf.pages[wpage]print(page.extract_text())#提取全部文字def extract_text_allpage (filepath):pdf = pdfplumber.open(filepath)for page in pdf.pages:print(page.extract_text())if __name__ == '__main__':path = os.getcwd() #获取当前的操作目录,因为pdf文件放在了当前目录中path += '\\paper.pdf' #文件名extract_text_onepage(path,1)extract_text_allpage(path)