python判断PDF文档中的所有目录页并切分出来

Python中有多种库可以用来处理PDF文件，包括PyPDF2、pdfplumber等。如果你想读取并提取PDF文档中的目录页，通常会这样做：

1. **PyPDF2**: 这是一个用于操作PDF文件的库，但它并不直接提供获取目录页的功能。你可以遍历每个页面，检查其是否包含标题信息，这通常是目录页的一个标志。例如：

import PyPDF2

def is_table_of_contents(pdf_obj, page):
    text = pdf_obj.getPage(page).extractText()
    return "目录" in text or "Table of Contents" in text

with open('your_pdf_file.pdf', 'rb') as file:
    reader = PyPDF2.PdfFileReader(file)
    toc_pages = [i for i in range(reader.getNumPages()) if is_table_of_contents(reader, i)]

2. **pdfplumber**: 这个库更适合处理文本型PDF，它可以解析PDF内容并提供更高级别的操作。你可以使用它来搜索特定的关键词或者标记：

from pdfplumber import PDF

with PDF('your_pdf_file.pdf') as pdf:
    toc_pages = [page for page in pdf.pages if "目录" in str(page.extract_text())]

**相关问题--:**
1. PyPDF2如何识别非文本类型的目录页？
2. pdfplumber能否处理图片或表格形式的目录页？
3. 如果PDF密码保护了，上述方法还能工作吗？