pypdf2.pdfreader

pyPDF2是一个Python库，用于处理PDF文件的读取和操作。它提供了一系列的方法和属性，可以让用户轻松地从PDF文件中提取文本、图像和元数据等信息。

通过pyPDF2的PDFReader类，我们可以打开一个PDF文件，并使用一些方法来读取其中的内容。首先，我们需要导入pyPDF2库并创建一个PDFReader对象，指定要打开的PDF文件的路径。

例如，我们可以使用以下代码来打开一个名为"example.pdf"的PDF文件：

from PyPDF2 import PdfReader

pdf = PdfReader('example.pdf')

接下来，我们可以使用PDFReader对象的方法来读取PDF文件的内容。例如，使用`getNumPages()`方法可以获取PDF文件中的总页数。我们还可以使用`getPage()`方法来获取某一页的内容。

pages = pdf.getNumPages()  # 获取总页数

for i in range(pages):
    page = pdf.getPage(i)  # 获取第i页的内容
    text = page.extract_text()  # 提取文本
    print(text)

除了提取文本，pyPDF2还支持提取图像等功能。我们可以使用`extract_images()`方法来提取PDF文件中的图像，并将其保存为图片文件。

images = pdf.extract_images()
for image in images:
    with open(f'image_{image["name"]}.png', 'wb') as f:
        f.write(image['image'])

总之，pyPDF2是一个功能强大而易于使用的库，它可以帮助我们读取和操作PDF文件的内容。使用该库，我们可以轻松地从PDF文件中提取所需的信息，使得处理PDF文件变得更加方便。