mirror of
https://github.com/luzhisheng/js_reverse.git
synced 2025-04-19 18:24:51 +08:00
24 lines
614 B
Markdown
24 lines
614 B
Markdown
# 提取pdf文件中图片和文字
|
||
|
||
## pdfimages提取图片
|
||
|
||
pdfimages 是 Poppler 工具包的一部分，可以用于从 PDF 文件中提取图像。要使用 pdfimages，您需要安装 Poppler 工具包。
|
||
|
||
1.在 Ubuntu 或 Debian 上安装 Poppler 工具包：
|
||
```shell
|
||
sudo apt-get update
|
||
sudo apt-get install poppler-utils
|
||
```
|
||
|
||
2.提取所有图像并保存为 PNG 格式：
|
||
```shell
|
||
pdfimages -png ./file_test/1.pdf ./target_img/output_image
|
||
```
|
||
|
||
## pdfplumber提取文字
|
||
```shell
|
||
with pdfplumber.open(pdf_path) as pdf:
|
||
page = pdf.pages[0]
|
||
# 提取页面文本
|
||
text = page.extract_text()
|
||
``` |