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
William_cl3 分钟前
C# MVC网页调试的方法
开发语言·c#·mvc
小蕾Java4 分钟前
Java 开发工具,最新2025 IDEA 使用,保姆级教程
java·开发语言·intellij-idea
MoRanzhi12035 分钟前
SciPy傅里叶变换与信号处理教程:数学原理与Python实现
python·机器学习·数学建模·数据分析·信号处理·傅里叶分析·scipy
archko16 分钟前
android pdf框架-15,mupdf工具与其它
android·pdf
XXX-X-XXJ17 分钟前
三、从 MinIO 存储到 OCR 提取,再到向量索引生成
人工智能·后端·python·ocr
Автомата Калашникова24 分钟前
Java操作.docx文档 —— docx4j
java·开发语言
小龙报35 分钟前
《彻底理解C语言指针全攻略(3)》
c语言·开发语言·windows·git·创业创新·学习方法·visual studio
GISer_Jing1 小时前
Next.js数据获取演进史
java·开发语言·javascript
棉猴1 小时前
GESP C++等级认证三级15-原码反码补码2-2
开发语言·c++·gesp·c++三级·等级认证·原码反码补码
爱偷懒的。。1 小时前
基于 WebSocket 协议的实时弹幕通信机制分析-抖音
网络·python·websocket·网络协议·学习·js