1、引言
小屌丝：鱼哥，最近干啥了？
小鱼：最近？ 你指的多近？
小屌丝：就是 这几天？
小鱼：这几天 我在搬砖啊。
小屌丝：那前几天呢？
小鱼：前几天，我五一假期，我也在搬砖。
小屌丝：鱼哥，你…。
小鱼：我确实这样啊。
小屌丝：那换一个话题，ChatGPT搞得怎么样？
小鱼：ChatGPT各个大厂不都在搞，你想了解的，ChatGPT都能回答。
小屌丝：鱼哥，你…!
小鱼：这就是ChatGPT的强大之处啊，事实也是如此呢。
小屌丝：好吧， 那我想提取PDF文档的内容。
小鱼：这篇：《Python3，9行批量提取PDF文件的指定内容，这种操作，保证人见人爱….》
小屌丝：我是人民币玩家， 我要更高级的。
小鱼：这… 容我看一下
小屌丝：看啥？
小鱼：看你账户余额还剩多少，是不是该充值了。
小屌丝：鱼哥，你…!
小鱼：充满，给你想要的高级感…
小屌丝：嘿嘿 … 充满…
2、代码实战
2.1 原理
说到 ChatPDF，大部分同学的第一反应就是， 不好意思，我不知道。
但是，说到ChatGPT，那你可能说，这我必须知道啊， OPenAI公司的产品，并且现在这么爆火，我还能不知道呢。
既然知道ChatGPT，那ChatPDF就不难理解了。
其实，ChatPDF就是ChatGPT的一个衍生产品。
小屌丝：既然是ChatGPT的衍生产品，那，工作原理是啥样的呢？
小鱼：工作原理不难，也就2套把大象放冰箱的步骤吧。
- 1、ChatPDF读取PDF文件内容，并将其转换成文本(可以是.txt)格式；
- 2、ChatPDF对提取的文本内容进行清理和标准化，如：分段、分句等；
- 3、使用OpenAI的Embeddings API将每个分段转换为向量，这个向量将对文本中的语义进行编码，以便于与问题的向量进行比较；
- 4、使用OpenAI的Embeddings API将问题转换为一个向量，并与每个分段的向量进行比较，以找到最相似的分段。这个相似度计算可以使用余弦相似度等常见的方法进行；
- 5、将找到的最相似的分段与问题作为prompt，调用OpenAI的Completion API，让ChatGPT学习分段内容后，再回答对应的问题；
- 6、会将ChatGPT生成的答案返回给用户，完成一次查询。
小屌丝：没想到，实现流程确实挺easy的。
小鱼：大河弯弯向东流，牛牛向前冲 ~ ~
2.2 安装
上一章节我们知道了什么是ChatPDF，以及运行流程，
接下来，就得实际操作操作了 。
当然，涉及到第三方库， 老规矩，安装走起。
pip install chatpdf
然后就是等待着安装。
其它安装方式，直接看这两篇:
- 《Python3，选择Python自动安装第三方库，从此跟pip说拜拜！！》
- 《Python3：我低调的只用一行代码，就导入Python所有库！》
- 因为chatPDF需要安装一会(我不会说这个过程很"短暂")。
2.2 示例
安装完成，我们就看看chatPDF的能耐。
2.2.1 创建PDF文件
代码示例
# -*- coding:utf-8 -*- # @Time : 2023-05-06 # @Author : Carl_DJ ''' 实现功能： 使用chatPDF的基本方法，创建PDF文件 ''' '--------->创建PDF文件<---------' from chatpdf import ChatPDF #文件名字 file_name = './data/TestDemo.pdf' pdf = ChatPDF() #添加页数 pdf.add_page() #设置字体 pdf.set_font("Arial", size=12) #设置内容 pdf.cell(200,10,txt='Hello, Python') #输出内容 pdf.output(file_name)
2.2.2 旋转PDF文件
代码示例
# -*- coding:utf-8 -*- # @Time : 2023-05-06 # @Author : Carl_DJ ''' 实现功能： 使用chatPDF的基本方法，实现旋转PDF文件内容 ''' '--------->旋转PDF文件内容<---------' from chatpdf import rotate_pages #pdf源文件 pdf_file = './data/input.pdf' #输出的文件 output_file = './data/output.pdf' #旋转的页码 pages = [1, 3] #旋转角度设置 rotation_angle = 270 rotate_pages(pdf_file, output_file, pages, rotation_angle)
2.2.3 拆分PDF文件
代码示例
# -*- coding:utf-8 -*- # @Time : 2023-05-06 # @Author : Carl_DJ ''' 实现功能： 使用chatPDF的基本方法，实现拆分PDF文件内容 ''' '--------->拆分PDF文件<---------' from chatpdf import split #需要拆分的pdf源文件 pdf_file = 'input_demo.pdf' #拆分后的pdf保存的文件夹 output_folder = './data/output' split(pdf_file,output_folder)
2.2.4 合并PDF文件
代码示例
# -*- coding:utf-8 -*- # @Time : 2023-05-06 # @Author : Carl_DJ ''' 实现功能： 使用chatPDF的基本方法，实现合并PDF文件内容 ''' '--------->合并PDF文件<---------' #获取所有文件 file1 = './data/demo1.pdf' file2 = './data/demo2.pdf' file3 = './data/demo3.pdf' #列表展示所有需要合并的pdf文件 pdf_file_list = [file1,file2,file3] #合并后输出文件名称 output_file = 'output_demo.pdf' merge(pdf_file_list,output_file)
2.2.5 提取PDF文件内容
代码示例
# -*- coding:utf-8 -*- # @Time : 2023-05-06 # @Author : Carl_DJ ''' 实现功能： 使用chatPDF的基本方法，实现提取PDF文件内容 ''' '--------->提取PDF文件<---------' from chatpdf import extract_pages #待提取的pdf源文件 pdf_file = 'input.pdf' #输出提取的pdf文件内容 output_file = './data/output.pdf' #提取的源文件的页码 pages = [1,3,5,7,10] extract_pages(pdf_file, output_file, pages)
小屌丝：鱼哥，我记得你还写过一篇，专门提取PDF文档内容的博文。
小鱼：嗯，你的记性还挺好，确实写过，就是下面这篇。
当然，关于对PDF文档的操作，也可以看小鱼的其他博文：
- 《Python3：为了200块钱生活费，我破解了媳妇的加密PDF文件，然而看到内容，我…有点慌了~~》
- 《Python3，2行代码，多种方法，直接把网页内容转换成PDF文档和图片。》
- 《Python3，2段代码，给pdf文件添加水印，原来watermark还可以这么玩。》
3、总结
看到这里， ChatPDF库的介绍就完成了。
其实ChatPDF库的功能，不止我说的这几个功能哦，还有：
- PDF文件加密；
- PDF文件解密；
- …
在当前ChatGPT爆火的当下，作为技术er，我们多多少少都需要了解一些AI的知识。
即使白~ 嫖~ ChatGPT的使用次数， 也是可以的。
当然， 作为小鱼，肯定不会做(bai piao )的事情，但是，学习的脚步，却从未停止。
我是小鱼：
- 家；
- 阿里云 专家博主；
- 51CTO 博客专家；
- 51认证讲师；
- 认证金牌面试官；
- 职场培训规划师；
关注我，带你学习更多更有趣的Python知识。
- CSDN 博客专
