要批量提取PDF中的信息,可以使用Python的第三方庫來處理PDF文件,比如PyPDF2或pdfminer.six。以下是使用這兩個庫的示例代碼:
使用PyPDF2庫:
import PyPDF2
# 創建一個PDF文件對象
pdf_file = open('path/to/pdf/file.pdf', 'rb')
# 創建一個PDF閱讀器對象
pdf_reader = PyPDF2.PdfFileReader(pdf_file)
# 獲取PDF文件的頁數
num_pages = pdf_reader.numPages
# 遍歷每一頁,提取信息
for page_num in range(num_pages):
page = pdf_reader.getPage(page_num)
text = page.extract_text()
# 在這里處理提取出的文本信息
# 關閉PDF文件對象
pdf_file.close()
使用pdfminer.six庫:
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from io import StringIO
def extract_text_from_pdf(pdf_path):
resource_manager = PDFResourceManager()
string_io = StringIO()
codec = 'utf-8'
laparams = LAParams()
device = TextConverter(resource_manager, string_io, codec=codec, laparams=laparams)
fp = open(pdf_path, 'rb')
interpreter = PDFPageInterpreter(resource_manager, device)
for page in PDFPage.get_pages(fp, check_extractable=True):
interpreter.process_page(page)
text = string_io.getvalue()
fp.close()
device.close()
string_io.close()
return text
# 調用提取函數,傳入PDF文件路徑
pdf_text = extract_text_from_pdf('path/to/pdf/file.pdf')
# 在這里處理提取出的文本信息
這些示例代碼將從PDF文件中提取文本信息,你可以根據自己的需求進行進一步的處理。