python 获取pdf中图片的文字

如果你想要获取PDF中图片的文字，可以使用OCR（Optical Character Recognition，光学字符识别）技术来实现。OCR技术可以将图片中的文字转换为可编辑的文本。Python中有一些OCR库可以使用，比如tesseract，pytesseract等。

以下是一个获取PDF中图片文字的示例代码：

import PyPDF2
import pytesseract
from PIL import Image

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

for page_num in range(pdf_reader.getNumPages()):
    page = pdf_reader.getPage(page_num)
    xObject = page['/Resources']['/XObject'].getObject()
    for obj in xObject:
        if xObject[obj]['/Subtype'] == '/Image':
            size = (xObject[obj]['/Width'], xObject[obj]['/Height'])
            data = xObject[obj].getData()
            mode = 'RGB' if xObject[obj]['/ColorSpace'] == '/DeviceRGB' else 'P'
            img = Image.frombytes(mode, size, data)
            text = pytesseract.image_to_string(img)
            print(text)

请注意，OCR技术的准确性取决于图片的质量和清晰度。对于复杂的图片，可能需要进行一些图像处理和调整才能得到更好的结果。