feat: rag

01pdf.py

@@ -0,0 +1,27 @@
+# 读取pdf文件
+import fitz
+
+
+def extract_pfd_text(pdf_path):
+    """
+    提取pdf文件中的内容
+    参数：pdf_path(str):pdf文件路径
+    返回：
+        str：合并后所有页的文本
+    """
+    # 打开pdf文件
+    pdf = fitz.open(pdf_path)
+    # 存储每一页的信息
+    text_list = []
+    # 遍历pdf中的每一页
+    for page in pdf:
+        text_list.append(page.get_text("text"))
+    # 所有内容合并成一个字符串
+    all_text = "/n".join(text_list)
+    return all_text
+
+
+if __name__ == "__main__":
+    pdf_path = "example/example.pdf"
+    result_text = extract_pfd_text(pdf_path)
+    print(result_text)