Python - PDF 識別文字 (pdfplumber)

目錄

• 引言
• pdfplumber 簡介
• 安裝准備
• 簡單示例

---

引言

本文基於 pdfplumber 實現 PDF 識別；
PDF 識別其他庫：PyPDF2、；

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

---

pdfplumber 簡介

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

---

安裝准備

(base) $ sudo pip install pdfplumber

(base) $ sudo pip install pyttsx3

---

簡單示例

import pdfplumber

# 讀取 PDF 文檔
pdf = pdfplumber.open("設計模式.pdf")

# 獲取頁數
print("總頁數：",len(pdf.pages))
print("-----------------------------------------")

# 讀取第 4 頁；索引從 1 開始
page = pdf.pages[4] 
print("本頁：",page.page_number + 1)
print("-----------------------------------------")

# 導出第 4 頁文本
text = page.extract_text()
print(text)

---

結果：

總頁數： 261
-----------------------------------------
本頁： 5
-----------------------------------------
xxxxx
xxxxx

---