如何从 PDF 文件中提取文本（没有标题）？答案

【问题标题】：How can I extract text from a PDF file (without the header)?如何从 PDF 文件中提取文本（没有标题）？
【发布时间】：2021-06-09 03:49:13
【问题描述】：

我正在尝试使用 Python 从 PDF 文件中提取文本，我的主要目标是在主文件中提取不带标题的文本。

这是示例图像，标题指的是红色矩形： enter image description here

这里是 PDF 文件链接：https://mega.nz/file/d0YkhB5Y#j7eA0EBxg70Yu36PjGocNjouP_xQFoRRAN7VfyDeClo

目前将 PDF 文件中的文本提取为字符串的最佳和最简单的方法是什么？我试过用pdfplumber，但是看了它的用户指南，还是不知道怎么用。

感谢您的帮助！！

【问题讨论】：

你使用什么模块？你的代码在哪里？
this的可能重复

标签： python python-3.x pdf

【解决方案1】：

pdfplumber 的 repo 是 here。除了表格提取之外，它还是一个提取文本、字符、矩形和线条的好包。一个简单的例子是：

import pdfplumber

def extract_pdf(pdf_path):
    all_text = ''
    with pdfplumber.open(pdf_path) as pdf:
        for pdf_page in pdf.pages:
            single_page_text = pdf_page.extract_text()
            all_text = all_text + '\n' + single_page_text
    return all_text

pdf_path = 'test.pdf'
text = extract_pdf(pdf_path)
print(text)

【讨论】：