Python - PDF 识别文字 (pdfplumber)


引言

本文基于 pdfplumber 实现 PDF 识别;
PDF 识别其他库:PyPDF2、;

参考:https://zhuanlan.zhihu.com/p/336643249


pdfplumber 简介

开源地址:https://github.com/jsvine/pdfplumber


安装准备

(base) $ sudo pip install pdfplumber

(base) $ sudo pip install pyttsx3


简单示例

import pdfplumber

# 读取 PDF 文档
pdf = pdfplumber.open("设计模式.pdf")

# 获取页数
print("总页数:",len(pdf.pages))
print("-----------------------------------------")

# 读取第 4 页;索引从 1 开始
page = pdf.pages[4] 
print("本页:",page.page_number + 1)
print("-----------------------------------------")

# 导出第 4 页文本
text = page.extract_text()
print(text)

结果:

总页数: 261
-----------------------------------------
本页: 5
-----------------------------------------
xxxxx
xxxxx

posted @ 2021-02-04 16:08  月思  阅读(1340)  评论(0编辑  收藏  举报