python读取pdf的曲线_python解析并读取PDF文件：函数总结

目录

虽然PDF文件对文本布局非常好，容易打印并阅读，但软件要将它们解析为纯文本并不容易，Python目前解析PDF的扩展包有很多，本文将分别介绍PyPDF2、pdfplumber、pdfminer3k以及Camelot(若发现还有其他函数，继续补充)，并分析优缺点，告诉你哪个是好用的PDF解析工具。

1.PyPDF2

PyPDF2没有办法从PDF文档中提取图像、图表或其他媒体，但它可以提取文 本，并将文本返回为 Python字符串。

缺点：PyPDF2从PDF提取文本时可能会出错，甚至根本打不开某些PDF文件。

基本实现代码如下：

import PyPDF2

# 使用open的‘rb’方法打开pdf文件，使用二进制模式

mypdf = open('pdfexample.pdf',mode='rb')

# 调用PdfFileReader函数

pdf_document = PyPDF2.PdfFileReader(mypdf)

# 使用PdfFileReader对象的变量，获取各个信息，如numPages属性获取PDF文档的页数

pdf_document.numPages

# 调用PdfFileReader对象的getPage()方法，传入页码，取得Page对象：输出PDF文档的第一页内容

first_page = pdf_document.getPage(0)

# 调用Page对象的extractText()方法，返回该页文本的字符串

text = first_page.extrac