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
沐知全栈开发6 小时前
Perl 数据库连接
开发语言
多米Domi0116 小时前
0x3f第33天复习 (16;45-18:00)
数据结构·python·算法·leetcode·链表
freepopo6 小时前
天津商业空间设计:材质肌理里的温度与质感[特殊字符]
python·材质
森叶6 小时前
Java 比 Python 高性能的原因:重点在高并发方面
java·开发语言·python
qq_316837757 小时前
uni.chooseMedia 读取base64 或 二进制
开发语言·前端·javascript
方圆工作室7 小时前
【C语言图形学】用*号绘制完美圆的三种算法详解与实现【AI】
c语言·开发语言·算法
小二·7 小时前
Python Web 开发进阶实战:混沌工程初探 —— 主动注入故障,构建高韧性系统
开发语言·前端·python
Lkygo7 小时前
LlamaIndex使用指南
linux·开发语言·python·llama
进阶小白猿7 小时前
Java技术八股学习Day20
java·开发语言·学习
小二·7 小时前
Python Web 开发进阶实战:低代码平台集成 —— 可视化表单构建器 + 工作流引擎实战
前端·python·低代码