PyPDF2 和 PyPDF4 無法從 PDF 中提取文本

Question

import PyPDF4 as p2 
pdffile = open("XXXX.pdf","rb")
pdfread=p2.PdfFileReader(pdffile)
print(pdfread.getNumPages())
pageinfo=pdfread.getPage(0)
print(pageinfo.extractText())

在運行上面的第 4 行代碼時，成功返回正確的值，即 no。 PDF 中的頁數，但是，第 6 行（PDF 提取）給出了一頁長的空白數據。 我試過使用 PyPDF2 和 PyPDF4，並在 Python 終端和 sublimetext 中運行了代碼，在這兩種情況下，我都收到了空白頁而不是實際文本。

Answer 1

使用pypdf而不是 PyPDF2/PyPDF3/PyPDF4。 您將需要應用遷移。

pypdf 在 2022 年 12 月收到了很多更新。尤其是文本提取。

給你一個最小的完整 文本提取示例：

from pypdf import PdfReader

reader = PdfReader("example.pdf")

for page in reader.pages:
    print(page.extract_text())