Última atualização: 15 de janeiro, 2025
Extrair Texto de Arquivos PDF Usando Python
Neste artigo, vamos mostrar como extrair texto de arquivos PDF usando Python.
PDF, que significa Portable Document Format (Formato de Documento Portátil), é um formato de documento digital popular. Este formato foi projetado para permitir que documentos sejam visualizados ou compartilhados de forma fácil e confiável, independentemente do software, hardware ou sistema operacional. Arquivos PDF têm a extensão .pdf.
Para extrair texto de um arquivo PDF usando Python, essas bibliotecas são comumente usadas. Vamos mostrar como extrair texto de um PDF usando ambas.
Como Extrair Texto de um Arquivo PDF Usando pypdf em Python
Aqui estão os passos.
- Instale o pypdf
- Execute o código fornecido neste artigo
- Veja o resultado
Instalar pypdf
Você pode instalar o pypdf usando o seguinte comando:
pip install pypdf
Código de Exemplo para Extrair Texto de PDF usando pypdf
sample.pdf - Link para Download (Este PDF de exemplo será usado no código, mas você pode certamente usar seu próprio PDF.)
captura de tela do sample.pdf
Código
Aqui está um exemplo completo de código para extrair texto de um PDF usando pypdf.
Resultado
Aqui está o resultado do código de exemplo fornecido acima.
Como Extrair Texto de um Arquivo PDF Usando PyMuPDF em Python
Aqui estão os passos.
- Instale o PyMuPDF
- Execute o código fornecido neste artigo
- Veja o resultado
Instalar PyMuPDF
Instale o PyMuPDF, também conhecido como fitz, usando o seguinte comando.
pip install pymupdf
Código de Exemplo para Extrair Texto de PDF usando PyMuPDF
Usamos o mesmo PDF como usado anteriormente
sample.pdf - Link para Download (Este PDF de exemplo será usado no código, mas você pode certamente usar seu próprio PDF.)
Código
Aqui está um exemplo completo de código para extrair texto de um PDF usando PyMuPDF.
Resultado
Aqui está o resultado do código de exemplo fornecido acima.
Conclusão
Neste artigo, fornecemos um exemplo de código Python, um arquivo de exemplo e seu resultado para demonstrar como extrair texto de um PDF usando duas bibliotecas: PyPDF e PyMuPDF.
Se você tiver alguma dúvida ou encontrar algum problema ao executar o código, fique à vontade para deixar um comentário em nossos fóruns!