python pdf图片 转文本

你可以使用Python的第三方库PyPDF2来将PDF文件中的图片转换为文本。首先，你需要安装PyPDF2库，然后使用以下代码：

import PyPDF2

pdf_file = open('example.pdf', 'rb')
pdf_reader = PyPDF2.PdfFileReader(pdf_file)

for page_num in range(pdf_reader.numPages):
    page = pdf_reader.getPage(page_num)
    if '/XObject' in page['/Resources']:
        xObject = page['/Resources']['/XObject'].getObject()
        for obj in xObject:
            if xObject[obj]['/Subtype'] == '/Image':
                size = (xObject[obj]['/Width'], xObject[obj]['/Height'])
                data = xObject[obj]._data
                # 这里可以使用OCR技术将图片转换为文本
                # 也可以使用第三方库，如pytesseract，进行转换
                # 以下是使用pytesseract的示例代码
                import pytesseract
                from PIL import Image
                image = Image.frombytes('RGB', size, data)
                text = pytesseract.image_to_string(image, lang='eng')
                print(text)

这段代码会遍历PDF文件的每一页，如果发现有图片，则将其转换为文本。你需要使用OCR技术或第三方库，如pytesseract，将图片转换为文本。