Python 提取加密的 PDF 中的文字

最新推荐文章于 2024-08-16 12:44:16 发布

原创最新推荐文章于 2024-08-16 12:44:16 发布 · 1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #pdf #开发语言

开发同时被 2 个专栏收录

41 篇文章

订阅专栏

效率

12 篇文章

订阅专栏

本文介绍了使用Python的fitz库从PDF文件中提取文本的方法，以及在遇到ModuleNotFoundError时如何安装frontend模块的解决步骤。

部署运行你感兴趣的模型镜像

依赖

Python 库：fitz

$ python -m pip install fitz

注：如果运行下述脚本过程中遇到 No module named 'frontend'，可执行 python -m pip install frontend（要求 Python >=3.8）或 python -m pip install PyMuPDF

Python 脚本

# extract_pdf_text.py
import fitz

def parsePDF(filePath):
    with fitz.open(filePath) as doc:
        text = ""
        for page in doc.pages():
            text += page.get_text()
        if text:
            return text

text = parsePDF(r'D:\downloads\intput.pdf')
with open('output.txt', mode='w', encoding='utf8') as f:
    f.write(text)

参考

https://blog.youkuaiyun.com/Achernar0208/article/details/129199937 Python--从PDF中提取文本的方法总结
https://blog.youkuaiyun.com/yuan2019035055/article/details/127655766 已解决ModuleNotFoundError: No module named 'frontend'

您可能感兴趣的与本文相关的镜像