heyong.fu
28 lines
646 B
Python
28 lines
646 B
Python
# 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)
|