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…。
在这里插入图片描述

小鱼：我确实这样的啊。
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…
在这里插入图片描述

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。

在这里插入图片描述

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)