[英]Alternate of PyPDF2
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。
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']
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.