import pdfplumber
import os
 
# 定義函數(shù)用于提取PDF中的圖片并保存
def extract_images_from_pdf(pdf_file, output_folder):
    # 創(chuàng)建輸出文件夾，如果不存在的話
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
 
    with pdfplumber.open(pdf_file) as pdf:
        # 遍歷每一頁
        for page_number, page in enumerate(pdf.pages, start=1):
            print(f'頁碼：{page.page_number}')
            print(f'頁面寬度：{page.width}')
            print(f'頁面高度：{page.height}')
 
            # 獲取該頁的所有圖片
            images = page.images
 
            # 遍歷該頁的所有圖片
            for idx, image in enumerate(images, start=1):
                # 獲取圖片的二進(jìn)制數(shù)據(jù)
                image_data = image['stream'].get_data()
 
                # 構(gòu)建圖片文件名
                image_filename = os.path.join(output_folder, f'image_{page_number}_{idx}.png')
 
                # 保存圖片到文件
                with open(image_filename, 'wb') as f:
                    f.write(image_data)
                    print(f'圖片已保存至：{image_filename}')
 
# 調(diào)用方法
pdf_file = 'd:\\待提取的PDF文件.pdf'
output_folder = 'extracted_images'
extract_images_from_pdf(pdf_file, output_folder)

import pdfplumber

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

def pdf_to_text(pdf_path):
    """
    從 PDF 文件中提取文本內(nèi)容。
    Args:
        pdf_path (str): PDF 文件的路徑。
    Returns:
        str: 提取的文本內(nèi)容。
    """
    text = ''
    # 打開PDF文件
    with pdfplumber.open(pdf_path) as pdf:
        # 遍歷每一頁
        for page in pdf.pages:
            # 提取文本，并添加到text變量中
            text += page.extract_text()
 
    # 移除文本中的換行符（根據(jù)需求設(shè)置）
    text = text.replace('\n', '')
 
    return text

def savewords():
    """
    將 PDF 文件中提取的文本保存到文本文件中。
    """
    # 輸入PDF文件路徑
    pdf_path = 'yourfile'
    # 調(diào)用pdf_to_text函數(shù)進(jìn)行文字提取
    extracted_text = pdf_to_text(pdf_path)
 
    # 將提取的文字寫入到txt文件中
    with open('extracted_text.txt', 'w', encoding='utf-8') as file:
        file.write(extracted_text)
    print("Text extracted successfully!")

if __name__ == "__main__":
    savewords()

import pdfplumber
def pdf_to_text(pdf_path):
    """
    從 PDF 文件中提取文本內(nèi)容。
    Args:
        pdf_path (str): PDF 文件的路徑。
    Returns:
        str: 提取的文本內(nèi)容。
    """
    text = ''
    # 打開PDF文件
    with pdfplumber.open(pdf_path) as pdf:
        # 遍歷每一頁
        for page in pdf.pages:
            # 提取文本，并添加到text變量中
            text += page.extract_text()
 
    # 移除文本中的換行符（根據(jù)需求設(shè)置）
    text = text.replace('\n', '')
 
    return text
 
def savewords():
    """
    將 PDF 文件中提取的文本保存到文本文件中。
    """
    # 輸入PDF文件路徑
    pdf_path = 'yourfile'
    # 調(diào)用pdf_to_text函數(shù)進(jìn)行文字提取
    extracted_text = pdf_to_text(pdf_path)
 
    # 將提取的文字寫入到txt文件中
    with open('extracted_text.txt', 'w', encoding='utf-8') as file:
        file.write(extracted_text)
    print("Text extracted successfully!")
 
if __name__ == "__main__":
    savewords()