pdf文档内容提取pdfplumber、PyPDF2


测试pdfplumber识别效果好些;另外pdf这两个如果超过20多页就没法识别了,结果为空

1、pdfplumber

复制代码
安装:

 pip install pdfplumber -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com

代码:

复制代码
import pdfplumber

with pdfplumber.open(r"C:\Users\loong\Downloads\数字人研究报告.pdf") as pdf:
    num_pages = len(pdf.pages)
    print(num_pages)
    for page_num in range(num_pages):
        page = pdf.pages[page_num]
        text = page.extract_text()
        print(text)

原内容

识别结果:

2、PyPDF2

复制代码
安装:

pip install PyPDF2

代码:

复制代码
import PyPDF2
from tqdm import tqdm

pdftext = ""
with open(r"C:\Users\loong\Desktop\杰创\大模型\杰创智能.pdf", "rb") as pdfFileObj:
    pdfReader = PyPDF2.PdfReader(pdfFileObj)
    for page in tqdm(pdfReader.pages):
        pdftext += page.extract_text()

print(pdftext)
相关推荐
半兽先生1 小时前
在线预览docx、ppt、excel、doc、pdf等文档解决方案
pdf
冬夜戏雪11 小时前
基于rapidocr 的文档解析(pdf转md)工具(已部署)
pdf·运维开发
vfvfb13 小时前
批量获取pdf中姓名电话 自动获取pdf中指定的文字
pdf·pdf提取文字·pdf提取指定字符·提取pdf内容
new出一个对象1 天前
vue实现打印PDF文档
javascript·vue.js·pdf
花菜会噎住1 天前
Chainlit+LlamaIndex 多模态 RAG 开发实战7:从系统架构到功能落地,搞定 PDF/PPT/ 图片全类型文件处理
pdf·大模型·rag·llamaindex
sunshinehine1 天前
vue2实现pdf预览兼容低版本浏览器
pdf
weixin_441003642 天前
2025年6月英语四六级真题及参考答案【三套全】完整版PDF电子版
pdf
南风微微吹2 天前
26考研数学一、二、三真题试卷及答案PDF电子版(1987-2025年)
考研·pdf
一头生产的驴2 天前
java整合itext pdf实现固定模版pdf导出
java·python·pdf