Python读取PDF指定页文字单页提取方法

用Python+pdfplumber只读取PDF中某一页或某几页的文字，不用整本加载，速度快、内存省，适合定位关键页。

场景痛点

拿到一份几百页的PDF，只想看第10页的合同条款或者第20页的报价单。整本读完再找，浪费时间；手动翻到那页再复制，又要重复操作。用Python直接按页码读取单页文字，秒级定位，还能批量读取多个指定页。

用到的库

pip install pdfplumber

完整代码

# -*- coding: utf-8 -*-
"""
只读取 PDF 中指定页的文字
"""
import pdfplumber


def read_one_page(pdf_path: str, page_no: int) -> str:
"""
读取单页文字
:param pdf_path: PDF 路径
:param page_no: 页码（从 1 开始）
:return: 该页文字
"""
with pdfplumber.open(pdf_path) as pdf:
# pdfplumber 内部 pages 从 0 开始
index = page_no - 1
if index < 0 or index >= len(pdf.pages):
raise IndexError(f"页码 {page_no} 超出范围（共 {len(pdf.pages)} 页）")
return pdf.pages[index].extract_text() or ""


def read_pages(pdf_path: str, page_numbers: list) -> dict:
"""
批量读取多个指定页，返回 {页码: 文字}
"""
result = {}
with pdfplumber.open(pdf_path) as pdf:
total = len(pdf.pages)
for pno in page_numbers:
idx = pno - 1
if 0 <= idx < total:
result[pno] = pdf.pages[idx].extract_text() or ""
else:
result[pno] = None
print(f"页码 {pno} 越界（共 {total} 页）")
return result


if __name__ == "__main__":
# 单页
text = read_one_page("report.pdf", 10)
print("=== 第10页 ===")
print(text)

# 多页
pages = read_pages("report.pdf", [1, 3, 5, 20])
for pno, content in pages.items():
print(f"\n--- 第{pno}页前100字 ---")
print((content or "")[:100])

代码讲解

read_one_page 是最常用的函数：传文件名和1基页码，直接返回该页文字。
关键转换：pdfplumber 内部 pages 列表从 0 开始，所以 page_no - 1 才是正确索引。
越界时主动抛 IndexError，方便外层捕获；extract_text() 可能返回 None（空白页或图片页），用 or "" 兜底。
read_pages 一次打开PDF读取多个目标页，比反复 open 文件效率高。
整本PDF只在 with 块内加载，读完自动释放句柄。

运行结果

控制台打印第10页完整文字，以及第1、3、5、20页各前100字预览。如果某页是图片扫描件，对应位置是空字符串。

注意事项

单页读取并不会"只加载那一页"——pdfplumber 仍需打开整个PDF才能解析内部交叉引用，但比 extract_text() 全本快在不需要处理其他页。
超大PDF（几百MB）想真正按需加载，可以结合 PyPDF2 用 PdfReader(pdf_path).pages[idx]，但 PyPDF2 的文字提取质量不如 pdfplumber。
扫描件单页提取出来是空，必须走OCR。
想要PDF里指定区域的文字，可以在 page.crop(bbox) 之后再 extract_text()。

Python读取PDF指定页文字单页提取方法