Python - PDF 识别文字 (pdfplumber)

目录

• 引言
• pdfplumber 简介
• 安装准备
• 简单示例

---

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

---