python读取PDF

在Python中直接操作PDF文件并不方便，因为PDF是一种复杂的数据格式，不是文本格式，不能像读取文本文件那样逐行读取。但你可以利用第三方库来实现PDF读取。其中最常用的是`PyPDF2`和`pdfplumber`。

**使用`PyPDF2`示例**[^4]:

import PyPDF2

# 打开PDF文件
with open('example.pdf', 'rb') as file:
    reader = PyPDF2.PdfFileReader(file)
    
    # 获取总页数
    num_pages = reader.getNumPages()
    print(f"PDF有 {num_pages} 页")
    
    # 读取特定页面的内容
    page_content = reader.getPage(0).extractText()
    print(page_content[:100])  # 输出第一页的前100个字符

**使用`pdfplumber`示例**[^5]:

from pdfplumber import PDF

# 创建PDF对象
with PDF('example.pdf') as pdf:
    # 遍历每一页
    for page in pdf.pages:
        # 获取文本
        text = page.extract_text()
        # 处理文本...
        print(text[:100])

这两个库可以让你提取PDF的文本内容，但如果你需要更复杂的交互，如元数据提取、图像识别等，可能需要结合其他工具（如`tabula-py`用于表格提取）或专门的PDF解析库。