提问人：humera nikhat 提问时间：11/14/2023 更新时间：11/14/2023 访问量：24
使用 Python 根据 PDF 中的部分提取文本
extracting text based on the sections in a pdf using python
问：
我有一种方法可以根据标题和副标题从 pdf 中提取文本。我能够使用 pdf 管道工根据书签提取文本，但在其他用例中，书签不存在。
尝试了 PDF Plumber 和 PyPDF2 库以及 Report Lab
答：
-2赞
WillIAm
11/14/2023
#1
是的，您可以使用 pypdf 根据标题/副标题提取文本，这是一个示例
import PyPDF2
def extract_text_by_headings(pdf_path, heading):
with open(pdf_path, 'rb') as file:
pdf = PyPDF2.PdfFileReader(file)
text = ''
for page_num in range(pdf.numPages):
page = pdf.getPage(page_num)
page_text = page.extractText()
if heading in page_text:
text += page_text
return text
pdf_path = 'path/to/your/pdf.pdf'
heading = 'Heading 1'
extracted_text = extract_text_by_headings(pdf_path, heading)
print(extracted_text)
评论