python - 如何使用PyPDF2在Python 3中以单个字符串的形式从PDF检索所有页面

为了从多页PDF中获取单个字符串，我正在这样做：

import PyPDF2
pdfFileObject = open('sample.pdf', 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObject)
count = pdfReader.numPages
for i in range(count):
    page = pdfReader.getPage(i)
    output = page.extractText()
output

结果是来自单个页面（文档的最后一页）的字符串-就像应该根据PyPDF2 documentation一样。我之所以采用这种方法，是因为我读过一些人建议使用它来读取整个PDF，这在我的情况下不起作用。

显然，这是一项基本操作，由于我缺乏经验，我事先表示歉意。我尝试了其他解决方案，例如Tika，PDFMiner和Textract，但到目前为止，PyPDF似乎是唯一让我满意的解决方案。

任何帮助，将不胜感激。

更新：

如建议的那样，我将output定义为列表，然后将其附加到它（按照我的想法）中的所有页面，如下所示：

for i in range(count):
    page = pdfReader.getPage(i)
    output = []
    output.append(page.extractText())

我们认为结果是列表中的单个字符串，例如['sample content from the last page of PDF']

最佳答案

可能是因为此行：

output = page.extractText()

尝试以下方法：

output += page.extractText()

因为在您的代码中，您将覆盖“输出”变量的值，而不是附加到该变量。不要忘记在for循环之前声明“输出”变量。所以output = ''在for i in range(count):之前

关于python - 如何使用PyPDF2在Python 3中以单个字符串的形式从PDF检索所有页面，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/60199068/