Extraiga el texto por página con Python PDFMiner?

Question

He experimentado con pyPdf y pdfMiner para extraer texto de archivos pdf. Tengo algunos archivos PDF hostiles que solo PDFMiner puede extraer con éxito. Estoy usando el código here para extraer texto para todo el archivo. Sin embargo, me gustaría extraer texto por página, como la funcionalidad getPage(i).extractText() en pyPdf. ¿Alguien sabe cómo extraer texto por página usando pdfMiner?

Answer 1

for pageNumber, page in enumerate(PDFDocument.get_pages()): 
    if pageNumber == 42: 
     #do something with the page 

Hay un artículo bastante bueno here.