从PDF文档中提取页面标题

Question

我正处于编码冒险的开始阶段。 我需要从大 PDF 文档（350 页）中提取页面/选项卡名称。附图片。 我尝试使用 pdfminer，因为理论上这些名称也包含在 PDF 页面上，但要获取它们，我需要设置一些规则。从选项卡中获取这些名称会更容易。是否可以？有什么建议我应该使用什么吗？

Answer 1

您可以使用PyMuPDF。像这样，

import fitz  # PyMuPDF library

ref_pdf = fitz.open(r"C:\any.pdf")
page_count = ref_pdf.page_count

for i in range(page_count):
    page = ref_pdf[i]
    page_text = page.get_text()
    print(page_text)

页面文本将包含每个页面的所有文本，包括页面/选项卡名称。

参考：https://pypi.org/project/PyMuPDF/