Python利用PyPDF2库实现轻松提取PDF文本

pip install PyPDF2

import PyPDF2
# 打开PDF文件
pdf_file = open('YOLOv1.pdf', 'rb')
# 创建一个PDF对象
pdf_reader = PyPDF2.PdfReader(pdf_file)
# 获取PDF文件中的页面数量
num_pages = len(pdf_reader.pages)
# 创建一个空字符串，用于存储提取的文本
text = ""
# 循环遍历每一页并提取文本
for page_num in range(num_pages):
    page = pdf_reader.pages[page_num]
    text += page.extract_text()
# 关闭PDF文件
pdf_file.close()
# 打印提取的文本
print(text)

from PyPDF2 import PdfWriter
merger = PdfWriter()
for pdf in ["M:\YOLOv1.pdf", "M:\YOLOv2.pdf"]:
    merger.append(pdf)
merger.write("M:\merged.pdf")
merger.close()

import PyPDF2
# 打开PDF文件
pdf_file = open('M:\YOLOv1.pdf', 'rb')
# 创建PDF对象
pdf_reader = PyPDF2.PdfReader(pdf_file)
# 创建一个新的PDF对象
pdf_writer = PyPDF2.PdfWriter()
# 旋转第一页90度
page = pdf_reader.pages[0]
page.rotate(90)
pdf_writer.add_page(page)
# 将未旋转的页面添加到新文件中
for page_num in range(1, len(pdf_reader.pages)):
    page = pdf_reader.pages[page_num]
    pdf_writer.add_page(page)
# 创建一个新的PDF文件并保存旋转后的内容
output_pdf = open('M:\YOLOv1-rd.pdf', 'wb')
pdf_writer.write(output_pdf)
# 关闭所有打开的文件
pdf_file.close()
output_pdf.close()

import PyPDF2
# 打开PDF文件
pdf_file = open('M:\YOLOv1.pdf', 'rb')
# 创建PDF对象
pdf_reader = PyPDF2.PdfReader(pdf_file)
# 创建一个新的PDF对象
pdf_writer = PyPDF2.PdfWriter()
# 循环遍历每一页并将页面添加到新文件中
for page_num in range(len(pdf_reader.pages)):
    page = pdf_reader.pages[page_num]
    pdf_writer.add_page(page)
# 添加书签
pdf_writer.add_bookmark('Chapter 1', 0)  # 在第一页添加一个名为"Chapter 1"的书签
pdf_writer.add_bookmark('Chapter 2', 5)  # 在第六页添加一个名为"Chapter 2"的书签
# 创建一个新的PDF文件并保存带有书签的内容
output_pdf = open('M:\YOLOv1-copy.pdf', 'wb')
pdf_writer.write(output_pdf)
# 关闭所有打开的文件
pdf_file.close()
output_pdf.close()