python自动化系列之提取pdf文字和图片

在python中有许多开源的库可以处理Pdf文档，最常用的Pypdf2库可以读取文档，合并，分割pdf文档，但是也有局限性：

无法提取文档中的文字

提取PDF文字需要使用另外的库，如pdfplumbe
提取PDF中的图片需要使用fitz库

使用pdfplumbe提取文字

pdfplumbe使用可以用来解析PDF文件，获取其文本内容、标题、表格等的开源工具；
开源代码地址：https://github.com/jsvine/pdfplumber

安装pdfplumbe:

pip install pdfplumbe

引入：

import pdfplumbe

简单使用代码示例：

filepath = 'H:/test_w.pdf'def extract_text_info(filepath):"""提取PDF中的文字@param filepath:文件路径@return:"""with pdfplumber.open(filepath) as pdf:# 获取第2页数据page = pdf.pages[3]print(page.extract_text()) #提取文字table = page.extract_tables() #提取表格print(table)for row in table:

python自动化系列之提取pdf文字和图片相关推荐

通过Python的fitz库提取pdf中的图片
文章目录前言一.fitz库是什么? 二.安装fitz库三.查看fitz库版本四.pymupdf库是什么? 五.安装pymupdf库六.查看pymupdf库版本七.fitz和pymupdf是 ...
python自动化提取pdf表格_[Python] 自动化办公多种提取PDF图片的方法
转载请注明:陈熹 chenx6542@foxmail.com (简书号:半为花间酒) 若公众号内转载请联系公众号:早起Python 这篇文章能学到的主要内容: 基于 fitz 库和正则搜索提取图片基 ...
【python自动化办公（10）】python利用pdfplumber库提取PDF文字以及表格内容（复杂表格字段数据的处理）
利用pdfplumber提取文字 pdfplumber.open(pdf路径)/pdf.pages[页数]/page.extract_text() import os os.chdir('D:\\py ...
python提取pdf文字_python基于pdfminer库提取pdf文字代码实例
安装pdfminer 库 windows 下安装pdfminer3k pip install pdfminer3k Liunx 下安装pdfminer pip install pdfminer 代码 ...
python 生成pdf 文字和图片_Python系列—PDF文本与图片抽取
PDF是人们日常使用最多的跨平台文档.其是一种用独立于应用程序.硬件.操作系统的方式呈现文档的文件格式.每个PDF文件包含固定布局的平面文档的完整描述,包括文本.字形.图形及其他需要显示的信息.具有良 ...
工具：通过Python fitz 提取PDF内的图片
通过Python fitz 提取PDF内的图片 # 打开pdf读取文本和图片内容 # pip install PyMuPDFimport fitzpdf_document = "1.pdf& ...
python自动化 html 翻译转 pdf
python自动化 html 翻译转 pdf 帮别人做的 python的自动化工具,带有界面,通过交互界面选择html文件,自动开启浏览器,操控浏览器的翻译插件和打印功能可实现html任意语言翻译和转 ...
通过Python的pdfplumber库提取pdf中表格数据
文章目录前言一.pdfplumber库是什么? 二.安装pdfplumber库三.查看pdfplumber库版本四.提取pdf中表格数据 1.引入库 2.定义pdf文件路径 3.打开pdf文件 ...
python在线学习pdf_扣丁学堂Python在线学习之将pdf转成图片的方法
扣丁学堂Python在线学习之将pdf转成图片的方法 2018-05-23 11:29:01 1266浏览 Python将pdf转成图片的方法,不论是参加本篇文章记录如何使用python将pdf文件 ...

python自动化系列之提取pdf文字和图片

使用pdfplumbe提取文字

python自动化系列之提取pdf文字和图片相关推荐

最新文章

热门文章