python pdf extract_words

您好！您可以使用Python的PyPDF2库来提取PDF文件中的文字。以下是一个示例代码：

import PyPDF2

def extract_words_from_pdf(file_path):
    pdf_file = open(file_path, 'rb')
    pdf_reader = PyPDF2.PdfFileReader(pdf_file)
    
    num_pages = pdf_reader.numPages
    all_words = []
    
    for page_num in range(num_pages):
        page = pdf_reader.getPage(page_num)
        text = page.extractText()
        words = text.split()
        all_words.extend(words)
    
    pdf_file.close()
    
    return all_words

# 示例用法
file_path = 'path/to/your/pdf/file.pdf'
words = extract_words_from_pdf(file_path)
print(words)

在上述代码中，我们首先打开PDF文件并创建一个`PdfFileReader`对象。然后，我们可以使用`numPages`属性获取PDF中的总页数。

接下来，我们遍历每一页并使用`extractText()`方法提取文本内容。然后，我们使用`split()`方法将文本拆分为单词，并将它们添加到一个列表中。

最后，我们关闭PDF文件，并返回包含所有单词的列表。

请确保您已安装PyPDF2库（可以使用`pip install PyPDF2`进行安装）并将示例代码中的`file_path`替换为您自己的PDF文件路径。