Python 进程 PDF

Python 可以读取 PDF 文件并在从中提取文本后打印出内容。为此，我们必须首先安装所需的模块，即 PyPDF2 .下面是安装模块的命令。你应该已经在你的 python 环境中安装了 pip。

pip install pypdf2

成功安装此模块后，我们可以使用模块中提供的方法读取 PDF 文件。

import PyPDF2

pdfName = 'path\Newbiego.pdf'
read_pdf = PyPDF2.PdfFileReader(pdfName)
page = read_pdf.getPage(0)
page_content = page.extractText()
print page_content

当我们运行上面的程序时，我们得到如下输出：

Newbie Go originated from the idea that there exists a class of readers who respond better 
to online content and prefer to learn new skills at their own pace from the comforts of their 
drawing rooms.
 
The journey commenced with a single tutorial on HTML in 2006 and elated by the response 
it generated, we worked our way to adding fresh tutorials to our repository which now 
proudly flaunts a wealth of tutorials and allied articles on topics ranging from programming
languages to web designing to academics and much more.

阅读多页

要阅读具有多页的 pdf 并使用页码打印每一页，我们使用带有 getPageNumber() 函数的 a 循环。在下面的示例中，我们的 PDF 文件有两页。内容打印在两个单独的页面标题下。

import PyPDF2

pdfName = 'Path\Newbiego2.pdf'
read_pdf = PyPDF2.PdfFileReader(pdfName)

for i in xrange(read_pdf.getNumPages()):
    page = read_pdf.getPage(i)
    print 'Page No - ' + str(1+read_pdf.getPageNumber(page))
    page_content = page.extractText()
    print page_content

当我们运行上面的程序时，我们得到如下输出：

Page No - 1
Newbie Go originated from the idea that there exists a class of readers who respond better to 
online content and prefer to learn new skills at their own pace from the comforts of their drawing 
rooms. 


Page No - 2
 
The journey commenced with a single tutorial on HTML in 2006 and elated by the response it 
generated, we worked our way to adding fresh tutorials to our repository which now proudly flaunts 
a wealth of tutorials and allied articles on topics ranging from p
rogramming languages to web 
designing to academics and much more.