python - 在 Python 中从 PDF 文件中提取文本

Question

我正在尝试从我通常必须在工作中处理的 pdf 文件中提取文本，以便将其自动化。

例如，使用 PyPDF2 时，它适用于我的简历，但不适用于我的工作文档。问题是，文本是这样的：“Helloworldthisisthetext”。然后我尝试使用.join（“”），但这不起作用。

我读到这是 PyPDF2 的一个已知问题 - 它似乎取决于 pdf 的构建方式。

有谁知道另一种方法如何从中提取文本，然后我可以将其用于进一步的步骤？

先感谢您

标签： pythonpypdf2

Answer 1

我在工作中有类似的要求，为此我使用了 PyMuPDF。他们还有一系列涵盖文本提取典型场景的食谱。