PyPDF2：如何在访问者函数中访问fontDict对象的键值

方法1：使用自带的get()方法访问 #

PyPDF2的DictionaryObject是自定义字典类型，支持用get()方法安全获取键值，和普通字典用法一致，还能避免键不存在时抛出异常：

from PyPDF2 import PdfReader

reader = PdfReader("E:\Programming\nlp\documents_to_search\GeoBase_NHNC1_Data_Model_UML_EN.pdf")
page = reader.pages[0]

def visitor_body(text, cm, tm, fontDict, fontSize):
    # 第二个参数为键不存在时的默认值
    base_font = fontDict.get('/BaseFont', '未知字体')
    print(base_font)
        
page.extract_text(visitor_text=visitor_body)

方法2：转换为普通Python字典 #

如果更习惯普通字典的操作逻辑，可以直接把DictionaryObject转换成普通dict：

from PyPDF2 import PdfReader

reader = PdfReader("E:\Programming\nlp\documents_to_search\GeoBase_NHNC1_Data_Model_UML_EN.pdf")
page = reader.pages[0]

def visitor_body(text, cm, tm, fontDict, fontSize):
    normal_dict = dict(fontDict)
    print(normal_dict['/BaseFont'])
        
page.extract_text(visitor_text=visitor_body)

额外提示：筛选特定字体粗细/样式的文本 #

要提取符合特定粗细或样式的文本，可通过/BaseFont名称（通常含Bold/Italic等标识）或/FontWeight值判断：

def visitor_body(text, cm, tm, fontDict, fontSize):
    base_font = fontDict.get('/BaseFont', '')
    # 筛选粗体文本
    if 'Bold' in base_font:
        print(f"粗体文本：{text}")
    # 通过字体权重值筛选（≥700通常为粗体）
    font_weight = fontDict.get('/FontWeight', 400)
    if int(font_weight) >= 700:
        print(f"粗体文本（权重≥700）：{text}")

内容的提问来源于stack exchange，提问作者Scriabin