python 提取pdf中的文本

你可以使用Python中的第三方库来提取PDF中的文本。一个常用的库是PyPDF2，你可以通过pip安装它。下面是一个简单的示例代码，演示如何使用PyPDF2提取PDF中的文本：

import PyPDF2

def extract_text_from_pdf(file_path):
    with open(file_path, 'rb') as file:
        pdf = PyPDF2.PdfFileReader(file)
        text = ""
        for page_num in range(pdf.getNumPages()):
            page = pdf.getPage(page_num)
            text += page.extractText()
    return text

pdf_file_path = "your_pdf_file.pdf"
text = extract_text_from_pdf(pdf_file_path)
print(text)

在上面的代码中，我们定义了一个`extract_text_from_pdf`函数，它接受一个PDF文件路径作为参数，并返回提取的文本。通过`PdfFileReader`创建一个PDF对象，然后使用`getNumPages`获取PDF的总页数。接下来，我们迭代每一页，使用`extractText`方法提取文本，并将其添加到一个字符串变量中。最后，我们返回提取的文本并打印出来。

请注意，由于PDF的结构复杂性，文本提取可能不是完美的，特别是对于包含图像或复杂布局的PDF文件。你可能需要对提取的文本进行一些清理和处理，以适应你的需求。