python如何提取pdf文件中的文字

在Python中提取PDF中的文字，你可以使用`PyPDF2`或`pdfminer`库。以下是使用这两个库的示例代码：

使用PyPDF2库

 import PyPDF2 def extract_text_from_pdf（file_path）: with open（file_path, 'rb'） as file: pdf_reader = PyPDF2.PdfFileReader（file） num_pages = pdf_reader.numPages text = '' for page_num in range（num_pages）: page = pdf_reader.getPage（page_num） text += page.extractText（） return text file_path = 'path_to_your_pdf_file.pdf' text = extract_text_from_pdf（file_path） print（text） 

使用pdfminer库

 from pdfminer.converter import TextConverter from pdfminer.layout import LAParams from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter from pdfminer.pdfpage import PDFPage from io import StringIO def extract_text_from_pdf（file_path）: resource_manager = PDFResourceManager（） fake_file_handle = StringIO（） laparams = LAParams（） converter = TextConverter（resource_manager, fake_file_handle, laparams=laparams） page_interpreter = PDFPageInterpreter（resource_manager, converter） with open（file_path, 'rb'） as file: for page in PDFPage.create_pages（PDFPage.get_pages（file））: page_interpreter.process_page（page）  text = fake_file_handle.getvalue（） Close streams and free resources converter.close（） fake_file_handle.close（） return text file_path = 'path_to_your_pdf_file.pdf' text = extract_text_from_pdf（file_path） print（text） 

请确保在运行代码之前已经安装了相应的库。你可以使用以下命令进行安装：

 pip install PyPDF2 

或者

 pip install pdfminer.six 

这些代码片段将帮助你从PDF文件中提取文本内容。