安装PyMuPDF
库(如果还没有安装的话):
pip install pymupdf
使用以下Python脚本来提取指定页面的文本:
import fitz # 导入PyMuPDF库def extract_text_from_specific_page(file_path, page_number):# 打开PDF文件doc = fitz.open(file_path)# 检查页面号是否有效if page_number < 1 or page_number > len(doc):return "页面号超出文档范围"# 提取指定页面的文本(页面索引从0开始,因此减1)page = doc[page_number - 1]text = page.get_text()# 关闭文档doc.close()return text# 设置文件路径和要提取的页面号
pdf_path = './example.pdf' # PDF文件路径
page_number = 3 # 假设我们要提取第3页的内容(从1开始)# 调用函数并打印结果
extracted_text = extract_text_from_specific_page(pdf_path, page_number)
print(extracted_text)
使用以下Python脚本来提取PDF文件所有页面文本,并存储在txt文件中:
import fitz # 导入PyMuPDF库def extract_text_from_pdf(file_path, output_path):"""从指定的PDF文件中提取所有页面的文本,并将其存储在TXT文件中。参数:file_path: str, PDF文件的路径。output_path: str, 输出的TXT文件的路径。"""# 打开PDF文件doc = fitz.open(file_path)# 初始化一个空字符串来收集文本full_text = ""# 遍历每一页for page in doc:# 提取当前页面的文本并追加到full_text字符串full_text += page.get_text()# 关闭文档doc.close()# 将所有文本写入TXT文件with open(output_path, "w", encoding="utf-8") as file:file.write(full_text)return f"文本已保存到 {output_path}"# 设置文件路径和输出路径
pdf_path = 'example.pdf' # PDF文件路径
txt_path = 'output.txt' # 输出TXT文件的路径# 调用函数并打印结果
result = extract_text_from_pdf(pdf_path, txt_path)
print(result)