如何使用Python从PDF中的特定区域提取文本？

bashpip install pymupdf

pythonimport fitz  # PyMuPDF

def extract_text_from_area(pdf_path, page_number, area):
    # 打开PDF文件
    doc = fitz.open(pdf_path)
    # 选择页面（页面索引从0开始）
    page = doc[page_number - 1]
    # 定义区域（左上x, 左上y, 右下x, 右下y）
    # 注意：坐标是以点为单位的，1点=1/72英寸
    rect = fitz.Rect(area)
    # 从指定区域提取文本
    text = page.get_textbox(rect)
    return text

# 使用示例
pdf_path = "path_to_your_pdf.pdf"
page_number = 1  # 假设我们要提取第一页的文本
area = (50, 50, 200, 200)  # 定义你想要提取文本的区域（左上x, 左上y, 右下x, 右下y）

text = extract_text_from_area(pdf_path, page_number, area)
print(text)

# 关闭文档
doc.close()

bashpip install pdfplumber

pythonimport pdfplumber

def extract_text_from_area(pdf_path, page_number, area):
    with pdfplumber.open(pdf_path) as pdf:
        # 选择页面（页面索引从1开始）
        page = pdf.pages[page_number - 1]
        # 定义区域（左下x, 左下y, 右上x, 右上y）
        # 注意：pdfplumber 使用的是左下角和右上角的坐标
        bbox = area
        # 从指定区域提取文本
        text = page.within_bbox(bbox).extract_text()
        return text

# 使用示例
pdf_path = "path_to_your_pdf.pdf"
page_number = 1  # 假设我们要提取第一页的文本
area = (50, 50, 200, 200)  # 定义你想要提取文本的区域（左下x, 左下y, 右上x, 右上y）

text = extract_text_from_area(pdf_path, page_number, area)
print(text)