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)