Python實現(xiàn)快速從指定頁面PDF中提取文本
更新時間：2026年01月07日 08:14:38 作者：LSTM97
在現(xiàn)代辦公環(huán)境中,PDF 文件作為一種通用的文檔格式被廣泛使用,本文將為大家介紹如何使用 Spire.PDF for Python 來實現(xiàn)這一功能,具體包括從某一頁和從指定區(qū)域提取文本,希望對大家有所幫助
在現(xiàn)代辦公環(huán)境中，PDF 文件作為一種通用的文檔格式被廣泛使用。無論是合同、報告還是電子書，很多重要信息都儲存于 PDF 文件中。因此，從 PDF 文件中提取文本數(shù)據(jù)的需求也逐漸增加。本文將為大家介紹如何使用 Spire.PDF for Python 來實現(xiàn)這一功能，具體包括從某一頁和從指定區(qū)域提取文本。
1. 環(huán)境準備
首先，確保你已經(jīng)安裝了 Python 和 Spire.PDF 的相關庫。你可以通過以下命令安裝 Spire.PDF：
pip install Spire.PDF
2. 從指定頁面提取文本
2.1 代碼示例
以下代碼展示了如何從 PDF 文檔中的特定頁（例如第2頁）提取文本：
from spire.pdf.common import *
from spire.pdf import *
# 創(chuàng)建一個 PdfDocument 對象
doc = PdfDocument()
# 加載 PDF 文檔
doc.LoadFromFile('C:/Users/Administrator/Desktop/Terms of service.pdf')
# 創(chuàng)建 PdfTextExtractOptions 對象并啟用全文本提取
extractOptions = PdfTextExtractOptions()
# 提取所有文本，包括空格
extractOptions.IsExtractAllText = True
# 獲取特定的頁面（例如，第2頁）
page = doc.Pages.get_Item(1)
# 創(chuàng)建 PdfTextExtractor 對象
textExtractor = PdfTextExtractor(page)
# 從頁面中提取文本
text = textExtractor.ExtractText(extractOptions)
# 使用 UTF-8 編碼將提取的文本寫入文件
withopen('output/TextOfPage.txt', 'w', encoding='utf-8') as file:
file.write(text)
2.2 代碼解析
- 創(chuàng)建
PdfDocument對象 ：這一步是加載 PDF 文件的第一步。 - 加載 PDF 文檔 ：使用指定路徑加載你要處理的 PDF 文件。
- 配置提取選項 ：通過設置
IsExtractAllText為 True，確保提取所有文本，包括空格。 - 獲取特定頁面 ：
doc.Pages.get_Item(1)獲取的是 PDF 的第二頁（索引從0開始）。 - 創(chuàng)建文本提取器并提取文本 ：使用
PdfTextExtractor對象來提取文本。 - 將提取的文本保存為文件 ：最終將文本內(nèi)容保存到指定路徑的文件中。
3. 從指定區(qū)域提取文本
有時候，僅提取 PDF 中的某一特定區(qū)域的文本更加有效。這可以通過定義一個矩形區(qū)域來實現(xiàn)。
3.1 代碼示例
以下代碼將展示如何從 PDF 的指定區(qū)域提取文本：
from spire.pdf.common import *
from spire.pdf import *
# 創(chuàng)建一個 PdfDocument 對象
doc = PdfDocument()
# 加載 PDF 文檔
doc.LoadFromFile('C:/Users/Administrator/Desktop/Terms of service.pdf')
# 獲取特定的頁面（例如，第2頁）
page = doc.Pages.get_Item(1)
# 創(chuàng)建 PdfTextExtractor 對象
textExtractor = PdfTextExtractor(page)
# 創(chuàng)建 PdfTextExtractOptions 對象
extractOptions = PdfTextExtractOptions()
# 定義提取的矩形區(qū)域
# RectangleF(left, top, width, height)
extractOptions.ExtractArea = RectangleF(0.0, 100.0, 890.0, 80.0)
# 從指定區(qū)域提取文本，保留空格
text = textExtractor.ExtractText(extractOptions)
# 使用 UTF-8 編碼將提取的文本寫入文件
withopen('output/TextOfRectangle.txt', 'w', encoding='utf-8') as file:
file.write(text)
3.2 代碼解析
- 加載 PDF 文件 ：與之前相同，首先加載 PDF 文檔。
- 獲取特定頁面 ：依然使用
doc.Pages.get_Item(1)來獲取第2頁。 - 定義提取區(qū)域 ：通過
RectangleF類來定義一個矩形區(qū)域，該區(qū)域的左上角坐標為(0, 100)，寬度為890，高度為80。 - 執(zhí)行文本提取 ：然后使用
ExtractText方法從指定區(qū)域提取文本。 - 保存文本 ：最后，提取的文本同樣保存為 UTF-8 編碼的文件。
結論
通過以上方法，我們可以方便地從 PDF 文檔中提取所需的文本信息。Spire.PDF for Python 提供的 API 簡潔高效，能夠滿足多種文本提取需求。不論是從全頁提取還是從特定區(qū)域提取，在實際工作中都能顯著提高效率，尤其對于需要處理大量 PDF 文件的場合，使用此工具將使你事半功倍。
到此這篇關于Python實現(xiàn)快速從指定頁面PDF中提取文本的文章就介紹到這了,更多相關Python提取PDF文本內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
本文介紹了Python使用新浪微博官方api發(fā)表帶圖的微博（模擬post）的功能，大家參考使用吧2014-01-01
這篇文章主要介紹了Python閉眼時長標準差腳本使用，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習吧2023-03-03
這篇文章主要介紹了Python+微信接口實現(xiàn)運維報警的相關資料,需要的朋友可以參考下2016-08-08
對Python生成漢字字庫文字,以及轉換為文字圖片的實例詳解
今天小編就為大家分享一篇對Python生成漢字字庫文字,以及轉換為文字圖片的實例詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
Python用matplotlib庫畫圖中文和負號顯示為方框的問題解決
matplotlib中畫圖的時候會遇到負號顯示為方框的問題,下面這篇文章主要給大家介紹了關于Python用matplotlib庫畫圖中文和負號顯示為方框的問題解決,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-07-07
python 插入排序算法，需要的朋友可以參考下2012-06-06
Python3.7安裝keras和TensorFlow的教程圖解
這篇文章主要介紹了Python3.7安裝keras和TensorFlow經(jīng)驗，本文圖文并茂給大家介紹的非常詳細，具有一定的參考借鑒價值,需要的朋友可以參考下2019-10-10
本文給大家分享的是一則使用Python實現(xiàn)字符串轉換成浮點數(shù)的代碼，主要是使用map和reduce方法來實現(xiàn)，有需要的小伙伴可以參考下。2015-07-07
這篇文章主要介紹了關于Python中的海象運算符“:=”使用方法詳解,海象運算符（walrus?operator）是?Python?3.8?中引入的一種新的語法,需要的朋友可以參考下2023-04-04
本文給大家介紹Python中的閉包裝飾器和深淺拷貝,本文通過實例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友參考下吧2025-09-09