如何使用Python中的pdf()函数提取PDF文件中的文本内容

Python中没有名为pdf()的内置函数，但是我们可以使用第三方库来提取PDF文件中的文本内容。常用的库有PyPDF2和pdfplumber。

首先，我们需要安装所需的库。使用以下命令安装PyPDF2和pdfplumber：

pip install PyPDF2
pip install pdfplumber

接下来，我们将使用这两个库来提取PDF文件中的文本内容。

使用PyPDF2：

import PyPDF2

# 打开PDF文件
file = open('example.pdf', 'rb')

# 创建PDF阅读器对象
pdf_reader = PyPDF2.PdfFileReader(file)

# 获取PDF文件中的页数
num_pages = pdf_reader.numPages

# 遍历每一页并提取文本内容
for page in range(num_pages):
    # 获取当前页的PDF对象
    pdf_page = pdf_reader.getPage(page)
    
    # 提取当前页的文本内容
    text = pdf_page.extractText()
    
    # 打印文本内容
    print(text)

# 关闭文件
file.close()

使用pdfplumber：

import pdfplumber

# 打开PDF文件
with pdfplumber.open('example.pdf') as pdf:
    # 遍历每一页并提取文本内容
    for page in pdf.pages:
        # 提取当前页的文本内容
        text = page.extract_text()
        
        # 打印文本内容
        print(text)

以上两个例子都是基本的PDF文本提取方法。你可以根据自己的需求进一步处理文本内容，例如进行分词、清洗和分析等操作。