pdfrwを使用してPDFのテキストを抽出する方法

Question

pdfrwは文書からテキストを抽出できますか？

私は

from pdfrw import PdfReader 
doc = PdfReader(pdf_path) 
page_texts = [] 
for page_nr in doc.numPages: 
    page_texts.append(doc.getPage(page_nr).parse_page()) # ..or something 

Answer 1

の線に沿って何かがここで有用である可能性がある例です考えていた。ここで

for pg_num in range(number_of_pages): 

    pg_obj = pdfreader.getPage(pg_num) 

    print(pg_num) 

    if re.search(r'CSE', pg_obj.extractText()): 
     cse_count+= 1 
     pdfwriter.addPage(pg_obj) 

extractText()は、キーワードCSE

Answer 2

を含むページのテキストを抽出します

しかしこれはpdfrwパッケージのものではありません。 extractText（）クラスはpypdf2パッケージからのものです。私が間違っているなら、私を修正してください。