python如何读取PDF文档内容

在Python中，可以使用第三方库来读取PDF文档的内容。这里推荐几个常用的库：

1. PyPDF2：这是一个简单的库，专门用于处理PDF文件，包括读取、合并、分割等操作。要使用PyPDF2读取PDF内容，你可以这样做：

import PyPDF2

def read_pdf(pdf_path):
    with open(pdf_path, 'rb') as file:
        reader = PyPDF2.PdfFileReader(file)
        text = ''
        for page_num in range(reader.numPages):
            page_text = reader.getPage(page_num).extractText()
            text += page_text
    return text

pdf_content = read_pdf('example.pdf')

2. tabula-py：如果PDF中有表格数据，tabula-py可以从PDF中提取成DataFrame结构的数据，然后进一步分析。

from tabula import read_pdf

tables = read_pdf('example.pdf', pages='all')
for table in tables:
    print(table.to_dict())

3. pdfplumber：这个库提供了一种更高级的方式来解析PDF，类似于HTML解析器，它支持文本选择和复杂的页面布局。

from pdfplumber import PDF

with PDF('example.pdf') as pdf:
    for page in pdf.pages:
        text = page.extract_text()
print(text)

记得安装对应的库（如`pip install PyPDF2 tabula-py pdfplumber`），并根据实际需求选择合适的库。