使用Python从PDF中提取文本 – 所有页面和输出 – 文件

2019年7月28日 237次阅读

我是
Python新手.

我正在使用此代码来提取文本.是否可以提取所有页面并在文件中输出？

import PyPDF2
pdf_file = open('sample.pdf','rb')
read_pdf = PyPDF2.PdfFileReader(pdf_file)
number_of_pages = read_pdf.getNumPages()
page = read_pdf.getPage(10)
page_content = page.extractText()
print (page_content)

最佳答案 使用循环提取每个页面的文本并将每个页面的文本写入单个文件.

import PyPDF2
with open('sample.pdf','rb') as pdf_file, open('sample.txt', 'w') as text_file:
    read_pdf = PyPDF2.PdfFileReader(pdf_file)
    number_of_pages = read_pdf.getNumPages()
    for page_number in range(number_of_pages):   # use xrange in Py2
        page = read_pdf.getPage(page_number)
        page_content = page.extractText()
        text_file.write(page_content)
点赞