python读取pdf

# 导入PyPDF2库用于处理PDF文件
import PyPDF2

def read_pdf(file_path):
    # 打开PDF文件
    with open(file_path, 'rb') as file:
        # 创建一个PDF阅读器对象
        pdf_reader = PyPDF2.PdfReader(file)

        # 获取PDF文件中的页数
        num_pages = len(pdf_reader.pages)
        print(f"该PDF文件共有 {num_pages} 页")

        # 初始化一个空字符串来存储所有页面的文本
        text = ""

        # 遍历每一页并提取文本
        for page_num in range(num_pages):
            page = pdf_reader.pages[page_num]
            text += page.extract_text()

        return text

# 示例用法
file_path = 'example.pdf'  # 将此路径替换为你的PDF文件路径
pdf_text = read_pdf(file_path)
print(pdf_text)

解释说明：

1. 导入库：使用 PyPDF2 库来读取和处理 PDF 文件。
2. 打开文件：以二进制模式 ('rb') 打开 PDF 文件。
3. 创建阅读器对象：使用 PdfReader 类创建一个 PDF 阅读器对象。
4. 获取页数：通过 len(pdf_reader.pages) 获取 PDF 文件的总页数。
5. 提取文本：遍历每一页，使用 extract_text() 方法提取文本内容，并将其添加到一个字符串中。
6. 返回结果：将提取的所有文本作为字符串返回。

请确保你已经安装了 PyPDF2 库，可以使用以下命令进行安装：

pip install PyPDF2