Python处理 PDF神器PyMuPDF 将PDF转文字_python pymupdf 处理中文

目录

第一步，需要安装pycharm

1、安装文件在这里：

2、破解方案看这里（仅供学习交流，请勿用作商业用途）

第二步、关键代码

1、下载依赖

2、关键代码

附：完整代码

---

        最近学习RAG的时候，偶然解锁了PDF转文字的小功能，用的python，在win10-64位操作系统上，使用的IDE是Pycharm_Professional_2020.3.2_Portable，这里记录一下。

第一步，需要安装pycharm

1、安装文件在这里：

链接：https://pan.baidu.com/s/1uHe5BWS6BnXJt5_ujgNcLw?pwd=o80w 
提取码：o80w 

2、安装方案看这里（仅供学习交流，请勿用作商业用途）

原链接可以看这里：https://www.3363.cn/soft/19122.html#。

 

第二步、关键代码

当时参考了这篇文章：Python 处理 PDF神器 —— PyMuPDF 的安装与使用！-CSDN博客。关键点是以下：

1、下载依赖

pip install PyMuPDF

2、关键代码

def extract_text_from_pdf(pdf_path, page_numbers):
    """
    从PDF文件的指定页码中提取文字。
    :param pdf_path: PDF文件的路径。
    :param page_numbers: 以列表形式指定的页码。
    :return: 提取的文字。
    """
    text_list = []
    with fitz.open(pdf_path) as pdf:
        for page_number in page_numbers:
            # 获取指定页码的页面
            page = pdf[page_number - 1]  # 注意：PyMuPDF的页面索引从0开始
            # 提取文字
            text = page.get_text()
            text_list.append(text)
    return "\n".join(text_list)  # 使用换行符连接提取的文字

附：完整代码

链接：https://pan.baidu.com/s/1psP0vX4tsW52_DSlRlA0OQ?pwd=8j7i 
提取码：8j7i