一种Python提取PDF的方法

1：Python里的PyPDF2库可以提取PDF的内容，但是对于论文格式的PDF、图片过多的PDF，效果不好，针对整齐文本的PDF提取效果不错。

PDF：

提取效果：

PDF提取代码：

from PyPDF2 import PdfReader

# 打开 PDF 文件
with open('example.pdf', 'rb') as file:
    # 创建 PdfReader 对象
    pdf_reader = PdfReader(file)

    # 获取页面数
    num_pages = len(pdf_reader.pages)
    print(f'Total number of pages: {num_pages}')

    # 逐页提取文本
    for page_number in range(num_pages):
        page = pdf_reader.pages[page_number]
        text = page.extract_text()
        print(f'Page {page_number + 1} Text:\n{text}')