提取PDF文件的文本内容

# -*- coding: utf-8 -*-

导入需要使用的os、pdfplimber包

import os
import pdfplumber

 #提取PDF文件中某一页的文本内容

自定义函式名def extract_text_info(filepath, save_dirpath, save_filename, Page)
    """
    提取PDF中的文字
    @param filepath:文件路径
    @param Page:获取的页码（第一页从0开始）
    @return:
    """

def extract_text_info(filepath, save_dirpath, save_filename, Page):
    save_path = os.path.join(save_dirpath, save_filename+'.txt')
    file = open(save_path, 'w')
    
    with pdfplumber.open(filepath) as pdf:
        page = pdf.pages[Page]
        print(page.extract_text())
        file.write(page.extract_text())
    file.close()

 提取文字内容

# Page=2获取第2页数据

extract_text_info(r'E:\learn\PDF相关处理\PDF提取文本\PDF文本.pdf',r'E:\learn\PDF相关处理\PDF提取文本','提取文本内容',Page=2)

#提取整个PDF文件的所有页的内容

自定义函式名def extract_all_text_info(filepath, save_dirpath, save_filename)
    """
    提取PDF中的文字
    @param filepath:文件路径
    @param Page:获取的页码（第一页从0开始）
    @return:
    """

def extract_all_text_info(filepath, save_dirpath, save_filename):
    save_path = os.path.join(save_dirpath, save_filename+'.txt')
    file = open(save_path, 'w',encoding='utf-8')
    
    with pdfplumber.open(filepath) as pdf:
        # 获取全部数据
        for page in pdf.pages:
            print(page.extract_text())
            file.write(page.extract_text())
    file.close()

extract_all_text_info(r'E:\learn\PDF相关处理\PDF提取文本\PDF文本.pdf',r'E:\learn\PDF相关处理\PDF提取文本','提取全部文本内容')