逐页提取
逐页提取
import fitz # PyMuPDF，安装包名 pymupdf
doc = fitz.open("manual.pdf")
print("页数", doc.page_count)
page = doc[0]
print(page.get_text("text")[:200])
for b in page.get_text("blocks")[:3]: # (x0, y0, x1, y1, text, ...)
print(b[:4], repr(b[4][:40]))基础表格识别
基础表格识别
tabs = page.find_tables()
if tabs.tables:
rows = tabs[0].extract() # 二维列表
print(rows[:2])get_text 支持 text / blocks / dict 等模式；要按阅读顺序重排多栏内容时优先用 blocks/dict 配合坐标。