Python读取PDF文字并去除页眉页脚

使用PyMuPDF（即fitz）读取PDF中的text时，会把页码也读进来。所以，有时候就需要让程序忽略页眉和页脚，或者直接删除页眉和页脚。

根据fitz的文档：Page – PyMuPDF 1.24.0 documentation

get_text的clip参数可以指定要读取文字的区域，于是大致代码如下：

doc = fitz.open(fname)
page = doc[0]
rect = page.rect
clip = 50 # 假设页眉和页脚的高度都是50
crop = fitz.Rect(0, clip, rect.width, rect.height-clip)
text = page.get_text(clip=crop)

作者：waketzheng