python 提取pdf图片和文字

要在 Python 中提取 PDF 中的图片和文字，可以使用 PyPDF2 和 PyMuPDF 库。以下是一个示例代码：

import PyPDF2
import fitz

# 打开 PDF 文件
pdf_file = open('example.pdf', 'rb')

# 读取 PDF 中的文本
pdf_reader = PyPDF2.PdfFileReader(pdf_file)
for page_num in range(pdf_reader.numPages):
    page_obj = pdf_reader.getPage(page_num)
    print(page_obj.extractText())

# 提取 PDF 中的图片
pdf_doc = fitz.open('example.pdf')
for page_num in range(pdf_doc.page_count):
    page = pdf_doc[page_num]
    image_list = page.getImageList()
    for image_index, img in enumerate(image_list):
        xref = img[0]
        pix = fitz.Pixmap(pdf_doc, xref)
        if pix.n < 5:
            # 保存图片为 JPEG 格式
            pix.writePNG("page%s-%s.png" % (page_num, image_index))
        else:
            # 保存图片为 BMP 格式
            pix.writeImage("page%s-%s.bmp" % (page_num, image_index))

pdf_file.close()

这个代码示例使用 PyPDF2 库读取 PDF 中的文本，使用 PyMuPDF 库提取 PDF 中的图片。要使用这个示例代码，需要先在命令行中安装这两个库：

pip install PyPDF2 PyMuPDF