利用python中pdfplumber库提取PDF文件中文字

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 pdfplumber
import 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 += '\\paper2020.pdf' #文件名

    extract_text_onepage(path,1)
    extract_text_allpage(path)