利用python获取pdf中的内容----PyPDF2库

利用python获取pdf中的内容

使用PyPDF2库

下载

pip install PyPDF2

读取PDF文件

• 首先需要读取PDF文件，使用PyPDF.PdfReader的读取对象，然后传入一个文件对象或者是文件路径作为参数
  • 传入文件对象

    import PyPDF2
    with open('path_to_pdf','rb')as f:
        reader=PyPDF2.PdfReader(f)
    

  • 传入文件路径

    import PyPDF2
    reader=PyPdf2.PdfReader('path_to_pdf')
    

• 提取PDF文件的基本信息
  • 获取页数

    num_pages=len(reader.pages)
    author=reader.metadata.author
    title=reader.metadata.title
    

  • 提取单页的文本内容

    page=reader.pages[0]
    text=page.extract_text()
    

• 提取多页的文本内容
  • 加一个for循环