提取文本
from ironpdf import *

# Load existing PDF document
pdf = PdfDocument.FromFile("content.pdf")

# Extract text from PDF document
all_text = pdf.ExtractAllText()

# Extract text from specific page in the document
page_2_text = pdf.ExtractTextFromPage(1)
pip install ironpdf
提取文本

提取文本

IronPDF for Python可以使用ExtractTextFromPage方法提取PDF文档的文本内容——既可以一次从整个文档中提取，也可以从单个页面中提取。

开始

使用PdfDocument，然后调用适当的提取方法。 两种方法都返回一个包含提取文本的Python字符串。

理解代码

  • PdfDocument.FromFile(path)：从指定的文件路径打开现有的PDF文档。 对于受密码保护的文件，请将密码作为第二个参数传递。
  • ExtractAllText()：返回文档所有页面中提取的文本按页顺序组成的单一字符串。
  • ExtractTextFromPage(pageIndex)：返回单一页面的文本内容。 1以获得第二页，依此类推。

用例

文本提取对于以下情况很有用：

  • 搜索索引——使PDF内容在数据库或搜索引擎中可被搜索。
  • 数据解析——从PDF报告中提取结构化数据，如发票号码、日期或地址。
  • 内容验证——程序化检查生成的PDF中是否包含预期文本。
  • 无障碍访问——将PDF内容转换为纯文本，以便屏幕阅读器或后续处理使用。
学习使用IronPDF for Python从PDF中提取内容！

准备开始了吗？

版本:2026.11刚刚发布

免费 pip 安装