文章目录

• 前言
• 一、PyPDF2库是什么？
• 二、安装PyPDF2库
• 三、查看PyPDF2库版本
• 四、使用方法
• • 待提取的pdf截图
  • 1.引入库
  • 2.定义pdf路径
  • 3.打开PDF文件
  • 4.创建PDF阅读器对象
  • 5.获取PDF文件中的页数
  • 6.遍历每一页进行处理
  • 7.提取出来的图片
• 总结

前言

通过Python的PyPDF2库提取pdf中的文字

一、PyPDF2库是什么？

二、安装PyPDF2库

pip install PyPDF2

三、查看PyPDF2库版本

pip show PyPDF2

四、使用方法

待提取的pdf截图

1.引入库

import PyPDF2

2.定义pdf路径

local = '/Users/kkstar/Downloads/'

3.打开PDF文件

pdf_file = open(local+'demo_pic.pdf', 'rb')

4.创建PDF阅读器对象

pdf_reader = PyPDF2.PdfReader(pdf_file)

5.获取PDF文件中的页数

num_pages = len(pdf_reader.pages)

6.遍历每一页进行处理

# 遍历每一页
for page_num in range(num_pages):
    # 获取当前页对象
    page_obj = pdf_reader.pages[page_num]
    # 获取当前页中的所有对象
    page_objs = page_obj['/Resources']['/XObject'].get_object()
    # 遍历每个对象
    for obj_name in page_objs:
        # 判断对象是否为图片
        if page_objs[obj_name]['/Subtype'] == '/Image':
            # 获取图片对象
            img_obj = page_objs[obj_name]
            # 获取图片数据
            img_data = img_obj.get_data()
            # 将图片数据保存为文件
            with open(local+obj_name + '.jpg', 'wb') as img_file:
                img_file.write(img_data)

7.提取出来的图片

总结