Python 提取加密的 PDF 中的文字

依赖

  • Python 库:fitz
shell 复制代码
$ python -m pip install fitz
  • 注:如果运行下述脚本过程中遇到 No module named 'frontend',可执行 python -m pip install frontend(要求 Python >=3.8)或 python -m pip install PyMuPDF

Python 脚本

python 复制代码
# extract_pdf_text.py
import fitz

def parsePDF(filePath):
    with fitz.open(filePath) as doc:
        text = ""
        for page in doc.pages():
            text += page.get_text()
        if text:
            return text

text = parsePDF(r'D:\downloads\intput.pdf')
with open('output.txt', mode='w', encoding='utf8') as f:
    f.write(text)

参考

相关推荐
weixin199701080164 分钟前
[特殊字符]️《二手ERP对接电商平台的总体方案:统一数据模型 + 事件驱动 + 灰度上线6原则》(附Python源码)
大数据·python
香菜TTT20 分钟前
大模型上下文协议(MCP):AI 应用的“USB-C”接口技术
开发语言·人工智能·经验分享
aramae29 分钟前
模拟实现strlen()函数 (C语言)
c语言·开发语言·后端
滚雪球~32 分钟前
量化交易 防止Windows电脑自动更新并重启
python·量化
jimy12 小时前
readelf 查看“派生类”的vtable符号
开发语言·c++
L@ncor2 小时前
第二章可能出现的问题
人工智能·python
y = xⁿ2 小时前
大模型基础概念
python
ctlover2 小时前
排序与查找算法详解
开发语言·python
用户8356290780512 小时前
如何使用 Python 给 Word 文档添加水印
后端·python
YYYing.2 小时前
【C++进阶系列 (七)】C++ RTTI 深度剖析:从 typeid 到 dynamic_cast 的底层之旅
开发语言·c++·c/c++·rtti