python中文文本信息提取_PyMuPDF提取文本信息

本文作者：王碧琪 文字编辑：方    言 技术总编：张    邯

Python云端培训课程火热招生中~

     爬虫俱乐部将于2020年7月25日至28日在线上举行Python编程技术训练营，本次培训采用理论与案例相结合的方式，帮助大家在掌握Python基本思想的基础上，学习科学计算技术与网络数据抓取技术，详情可点击《Python云端培训课程开始报名~》，

之前的推文中，我们使用PDFminer、PDFplumber提取了PDF文档中的文本信息，今天我们介绍PyMuPDF。PyMuPDF可从Python环境中访问MuPDF的许多重要功能，而MuPDF可以访问PDF、XPS、OpenXPS、CBZ(漫画书档案)、FB2和EPUB(电子书)格式的文件，这些是扩展名为.pdf，.xps，.oxps，.cbz，.fb2或.epub的文件，所以相较于前两个库，PyMuPDF的功能更加强大。 今天待处理的pdf文档内容如下：

今天的目的是：使用该库，将PDF文档中的文本信息提取出来并转成txt文档。 当然，我们需要先安装一下：

pip install pymupdf