how to extract the words from a pdf paper in python programming

可以使用 Python 的 PyPDF2 库来提取 PDF 文件中的文本。首先需要安装 PyPDF2，可以使用 "pip install pypdf2" 命令进行安装。然后可以使用 PyPDF2 库中的 PdfFileReader 类来读取 PDF 文件，并使用 PdfFileReader 对象的 extractText() 方法来提取文本。

import PyPDF2

# Open the pdf file
with open('example.pdf', 'rb') as file:
    # Create pdf reader object
    pdf_reader = PyPDF2.PdfFileReader(file)
    # Get number of pages
    num_pages = pdf_reader.numPages
    # Extract text from each page
    for i in range(num_pages):
        page = pdf_reader.getPage(i)
        print(page.extractText())

如果你想提取每个单词，可以将每页提取出来的文本使用split()转为list,这样就可以获得文章里的单词了。

import PyPDF2

# Open the pdf file
with open('example.pdf', 'rb') as file:
    # Create pdf reader object
    pdf_reader = PyPDF2.PdfFileReader(file)
    # Get number of pages
    num_pages = pdf_reader.numPages
    # Extract text from each page
    for i in range(num_pages):
        page = pdf_reader.getPage(i)
        words = page.extractText().split(" ")
        print(words)