python扫描件pdf提取文字

你可以使用Python中的第三方库来提取PDF文件中的文字。一个常用的库是PyPDF2。以下是一个简单的示例代码：

import PyPDF2

def extract_text_from_pdf(file_path):
    text = ""
    with open(file_path, "rb") as file:
        reader = PyPDF2.PdfFileReader(file)
        num_pages = reader.numPages
        for page in range(num_pages):
            page_obj = reader.getPage(page)
            text += page_obj.extractText()
    return text

pdf_file = "path/to/your/pdf_file.pdf"
extracted_text = extract_text_from_pdf(pdf_file)
print(extracted_text)

请确保你已经安装了PyPDF2库，你可以使用`pip install PyPDF2`命令进行安装。在代码中，我们打开PDF文件并使用`PdfFileReader`类来读取文件。然后，我们迭代每一页，并使用`extractText()`方法提取每一页的文字内容，并将它们合并到最终的文本字符串中。

请注意，PDF文件中的文本提取可能不总是完美的，因为其结果可能受到PDF文件的结构、字体和布局的影响。你可能需要进一步处理提取的文本数据以满足你的需求。