PyPDF2的替代品

Question

我正在使用PyPDF2包从.pdf文件中提取文本。 我正在获取输出，但未达到所需的形式。 我找不到问题所在？

代码片段如下：

import PyPDF2
def Read(startPage, endPage):
    global text
    text = []
    cleanText = " "
    pdfFileObj = open('F:\\Pen Drive 8 GB\\PDF\\Handbooks\\book1.pdf', 'rb')
    pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
    num_pages = pdfReader.numPages
    print(num_pages)
    while (startPage <= endPage):
        pageObj = pdfReader.getPage(startPage)
        text += pageObj.extractText()
        startPage += 1
    pdfFileObj.close()
    for myWord in text:
        if myWord != '\n':
            cleanText += myWord
    text = cleanText.strip().split()
    print(text)

Read(3, 3)

现将我目前得到的输出作为参考，其内容如下：

非常感谢您的帮助。

Answer 1

这行cleanText += myWord仅将所有单词连接为一个长字符串。 如果要过滤'\\n' ，而不是：

for myWord in text:
        if myWord != '\n':
            cleanText += myWord
    text = cleanText.strip().split()

你可以这样做：

text = [w for w in text if w != '\n']