网站建设需求表格,中文域名网站标识,Wordpress做手机网页,做易购网站最近我在捣鼓一个PDF文件#xff0c;想把它里面的文字和文字颜色给提取出来。后来发现有个叫pymupdf的库能搞定这事儿。操作起来挺简单的#xff0c;pymupdf的示例文档里就有现成的代码可以参考。 how-to-extract-text-with-color
我本地的测试代码如下#xff1a;
impor…最近我在捣鼓一个PDF文件想把它里面的文字和文字颜色给提取出来。后来发现有个叫pymupdf的库能搞定这事儿。操作起来挺简单的pymupdf的示例文档里就有现成的代码可以参考。 how-to-extract-text-with-color
我本地的测试代码如下
import pymupdf
import sys# sys.argv[1] 为文件名
doc pymupdf.open(sys.argv[1])
page doc[0]for page in doc:text_blocks page.get_text(dict, flagspymupdf.TEXTFLAGS_TEXT)[blocks]for block in text_blocks:for line in block[lines]:for span in line[spans]:text span[text]color pymupdf.sRGB_to_rgb(span[color])print(fText: {text}, Color: {color})运行效果如下 我弄的那个文档里有一块内容是这样的项目里的文字被标成橙色就是那种选中后的样子所以我特别留意了它的颜色提取。 所以我需要抽取出文字的同时还需要文字的颜色
推荐相关的文章 PymuPDF4llmPDF 提取的革命
