python快速识别pdf文件是否包含可选文字

一、首先安装依赖

PyPDF2==3.0.1

二、测试文件checkImgOrTxt.py

import PyPDF2

def is_scanned_pdf(file_path):
    pdf_file = open(file_path, 'rb')
    pdf_reader = PyPDF2.PdfReader(pdf_file)
    num_pages = len(pdf_reader.pages)
    print(num_pages)
    for page_num in range(num_pages):
        page = pdf_reader.pages[page_num]
        page_text = page.extract_text()
        if not page_text.strip():
            return True

    return False

# 使用示例
pdf_file_path = 'd:\\444.pdf'
is_scanned = is_scanned_pdf(pdf_file_path)
if is_scanned:
    print('该PDF文件为扫描图像')
else:
    print('该PDF文件包含文本')

三、运行

python checkImgOrTxt.py