用python从不可压缩的Pdf中提取文本
我一直在尝试从PDF中提取文本,我将PyPDF2与python一起使用并提取文本,但现在我尝试从不可复制的PDF中提取文本。它返回空字符串 我正在从此处将简单的可复制PDF转换为不可复制PDF联机: 这是我的密码:用python从不可压缩的Pdf中提取文本,python,pdf,Python,Pdf,我一直在尝试从PDF中提取文本,我将PyPDF2与python一起使用并提取文本,但现在我尝试从不可复制的PDF中提取文本。它返回空字符串 我正在从此处将简单的可复制PDF转换为不可复制PDF联机: 这是我的密码: from PyPDF2 import PdfFileReader def get_info(path): with open(path, 'rb') as f: pdf = PdfFileReader(f) if pdf.isEncrypt
from PyPDF2 import PdfFileReader
def get_info(path):
with open(path, 'rb') as f:
pdf = PdfFileReader(f)
if pdf.isEncrypted:
pdf.decrypt('')
page = pdf.getPage(1)
# print(page)
print('Page type: {}'.format(str(type(page))))
text = page.extractText()
print(text)
if __name__ == '__main__':
path = 'pdfs/finalNoCopy.pdf'
get_info(path)
我的输出:
Page type: <class 'PyPDF2.pdf.PageObject'>
Process finished with exit code 0
页面类型:
进程已完成,退出代码为0
它给我一个空字符串。您可以尝试以下代码:
import fitz ## Pip install pymupdf
text1=""
file_path = r'your_file_name_with_path.pdf'
doc = fitz.open(file_path)
for page in doc:
text1+=(page.getText())
当你说不可复制的pdf时,你指的是无法搜索的pdf。换句话说,它们是扫描图像。我说的对吗?不,不是那样的。我仍然可以在adobe acrobat中选择文本,但无法复制。请在那个网站上上传任何虚假的pdf,你会明白我的意思为什么要从不可复制的文件中提取文本…为什么不从普通的pdf文件中提取文本?我从简历中提取文本,它们大多是pdf格式的,但我想我的答案是完全可能的,我希望这对任何类型的pdf文件都适用