python - extractText() 函数不返回文本

Question

pdfFileObject = open('MDD.pdf', 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObject)
count = pdfReader.numPages
for i in range(count):
    page = pdfReader.getPage(i)
    print(page.extractText()

以上是我的代码，当我运行脚本时，它只输出一堆数字和数字，而不是文件的文本。有人可以帮我吗？

标签： pythonpython-3.xpypdf2

Answer 1

此功能不适用于所有 PDF 文件。这在文档中进行了解释：

这适用于某些 PDF 文件，但对其他文件效果不佳，具体取决于所使用的生成器。这将在未来进行完善。不要依赖从这个函数出来的文本的顺序，因为如果这个函数变得更复杂，它会改变。:return: 一个 unicode 字符串对象。

在这个文件上试试你的代码。我确定它应该可以工作，所以问题似乎不在您的代码中。

如果您确实需要解析以与原始 MDD.pdf 相同的方式创建的文件，则必须选择另一个库。