如何使用 PyPDF2 在 Python 3 中将 PDF 中的所有页面作为单个字符串检索

Question

为了从多页 PDF 中获取单个字符串，我这样做：

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（文档中的最后一页）的字符串 - 正如PyPDF2 文档中应有的那样。我应用这种方法是因为我读过一些人建议它阅读整个 PDF，但这对我来说不起作用。

显然，这是一个基本操作，对于我缺乏经验，我提前表示歉意。我尝试了其他解决方案，如 Tika、PDFMiner 和 Textract，但 PyPDF 似乎是迄今为止唯一让我满意的解决方案。

任何帮助，将不胜感激。

更新：

按照建议，我将 an 定义output为一个列表，然后将所有页面附加到它（正如我所想的）循环中，如下所示：

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

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

Answer 1

难道是因为这一行：

output = page.extractText()

试试这个：

output += page.extractText()

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