帮忙写一个python，来从pdf文档中获取文字段落

• 使用Python从PDF文档中提取文字段落。

Text-Based PDF

• PyPDF2 库：适用于提取文本转化而成的PDF文件中的文本。1
• pdfminer 库：适用于解析PDF文件，提取文本。1

Scanned PDF

• pytesseract 库：结合OCR技术，用于从扫描文件中提取文本。1
• OpenCV 库：用于图像处理，辅助OCR技术提取文本。1

import PyPDF2

# 打开PDF文件
with open('example.pdf', 'rb') as file:
    reader = PyPDF2.PdfFileReader(file)
    num_pages = reader.numPages
    
    # 遍历每一页
    for page_num in range(num_pages):
        # 提取每一页的文本
        text = reader.getPage(page_num).extractText()
        if text:  # 检查文本是否非空
            print(text)

安装必要的库

pip install PyPDF2

以上代码展示了如何使用PyPDF2库从PDF文件中提取文本。对于扫描的PDF文件，需要结合OCR技术使用如pytesseract等库进行处理。1