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
hanbr7 小时前
C++ 初涉
开发语言·c++
Дерек的学习记录7 小时前
C++:入门基础(下)
开发语言·数据结构·c++·学习·算法·visualstudio
徐同保7 小时前
python异步函数语法解析,async with ... as ...语法解析
数据库·python·oracle
云小逸7 小时前
【nmap源码解析】Nmap 核心技术深度解析:从源码到实战
开发语言·网络·windows·nmap
m***06688 小时前
SpringBoot项目中读取resource目录下的文件(六种方法)
spring boot·python·pycharm
前路不黑暗@8 小时前
Java项目:Java脚手架项目的公共模块的实现(二)
java·开发语言·spring boot·学习·spring cloud·maven·idea
人道领域8 小时前
Spring核心注解全解析
java·开发语言·spring boot
eWidget8 小时前
数据可视化进阶:Seaborn 柱状图、散点图与相关性分析
数据库·python·信息可视化·kingbase·数据库平替用金仓·金仓数据库
云深麋鹿8 小时前
标准库中的String类
开发语言·c++·容器