| 利用 Python PyPDF2库轻松提取PDF文本（及其他高级操作） | 您所在的位置：网站首页 › 摘要怎么提取文字内容格式 › 利用 Python PyPDF2库轻松提取PDF文本（及其他高级操作） |
利用 Python PyPDF2库轻松提取PDF文本（及其他高级操作）
|
当需要从PDF文件中提取文本时，Python中的PyPDF2库是一个非常有用的工具。无论您是需要分析PDF文档中的内容还是需要在文档中搜索特定的信息，PyPDF2都可以帮助您轻松实现这些任务。 在本文中，我们将探讨如何使用PyPDF2库提取PDF文件中的文本，并提供一些示例代码来帮助您入门。 安装PyPDF2库首先，您需要安装PyPDF2库。您可以使用pip来安装它： pip install PyPDF2 技术交流技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。 本文文章由粉丝的分享、推荐，资料干货、资料分享、数据、技术交流提升，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。 方式①、添加微信号：pythoner666，备注：来自CSDN + 加群 方式②、微信搜索公众号：Python学习与数据挖掘，后台回复：加群 打开PDF文件，并读取内容 让我们从一个简单的示例开始。假设我们有一个名为"sample.pdf"的PDF文件，并且我们想要提取其中的文本内容。 import PyPDF2 # 打开PDF文件 pdf_file = open('YOLOv1.pdf', 'rb') # 创建一个PDF对象 pdf_reader = PyPDF2.PdfReader(pdf_file) # 获取PDF文件中的页面数量 num_pages = len(pdf_reader.pages) # 创建一个空字符串，用于存储提取的文本 text = "" # 循环遍历每一页并提取文本 for page_num in range(num_pages): page = pdf_reader.pages[page_num] text += page.extract_text() # 关闭PDF文件 pdf_file.close() # 打印提取的文本 print(text)以上代码将打开名为"YOLOv1.pdf"的PDF文件，遍历每一页并将文本内容提取到一个字符串中。最后，它会打印提取的文本。
提取结果 高级用法 除了基本的文本提取，PyPDF2还提供了其他功能，例如合并多个PDF文件、旋转页面、添加书签等。让我们详细讨论一些高级用法，并提供相应的代码示例。 合并多个PDF文件有时，您可能需要将多个PDF文件合并成一个文件。PyPDF2允许您执行此操作。 from PyPDF2 import PdfWriter merger = PdfWriter() for pdf in ["M:\YOLOv1.pdf", "M:\YOLOv2.pdf"]: merger.append(pdf) merger.write("M:\merged.pdf") merger.close()以上代码将打开名为’YOLOv1.pdf’和’YOLOv1.pdf’的两个PDF文件，将它们的内容合并到一个新的PDF文件’merged.pdf’中。 旋转页面有时，PDF文件中的页面可能需要旋转。使用PyPDF2，您可以旋转页面以适应您的需求。 import PyPDF2 # 打开PDF文件 pdf_file = open('M:\YOLOv1.pdf', 'rb') # 创建PDF对象 pdf_reader = PyPDF2.PdfReader(pdf_file) # 创建一个新的PDF对象 pdf_writer = PyPDF2.PdfWriter() # 旋转第一页90度 page = pdf_reader.pages[0] page.rotate(90) pdf_writer.add_page(page) # 将未旋转的页面添加到新文件中 for page_num in range(1, len(pdf_reader.pages)): page = pdf_reader.pages[page_num] pdf_writer.add_page(page) # 创建一个新的PDF文件并保存旋转后的内容 output_pdf = open('M:\YOLOv1-rd.pdf', 'wb') pdf_writer.write(output_pdf) # 关闭所有打开的文件 pdf_file.close() output_pdf.close()以上代码将打开名为’YOLOv1.pdf’的PDF文件，旋转第一页90度，并将旋转后的页面保存到新的PDF文件’YOLOv1-rd.pdf’中。 添加书签您还可以使用PyPDF2在PDF文件中添加书签，以便更轻松地导航和查找内容。 以上代码将打开名为’YOLOv1.pdf’的PDF文件，将其内容复制到新的PDF文件’YOLOv1-copy.pdf’中，并在第一页和第六页添加了两个书签。 import PyPDF2 # 打开PDF文件 pdf_file = open('M:\YOLOv1.pdf', 'rb') # 创建PDF对象 pdf_reader = PyPDF2.PdfReader(pdf_file) # 创建一个新的PDF对象 pdf_writer = PyPDF2.PdfWriter() # 循环遍历每一页并将页面添加到新文件中 for page_num in range(len(pdf_reader.pages)): page = pdf_reader.pages[page_num] pdf_writer.add_page(page) # 添加书签 pdf_writer.add_bookmark('Chapter 1', 0) # 在第一页添加一个名为"Chapter 1"的书签 pdf_writer.add_bookmark('Chapter 2', 5) # 在第六页添加一个名为"Chapter 2"的书签 # 创建一个新的PDF文件并保存带有书签的内容 output_pdf = open('M:\YOLOv1-copy.pdf', 'wb') pdf_writer.write(output_pdf) # 关闭所有打开的文件 pdf_file.close() output_pdf.close() 结论使用PyPDF2库，您可以轻松地从PDF文件中提取文本，这对于数据分析、信息检索和自动化任务非常有用。希望这篇文章和示例代码有助于您开始使用PyPDF2进行PDF文本提取。如若需要其他高级用法，例如比例调整、放缩等操作，可以访问PyPDF2的官方网站查看其他示例。 |
【本文地址】
| 今日新闻 |
| 推荐新闻 |
| 专题文章 |