使用Python提取PDF文件中图片alt-text的可行方案咨询

这个需求是可行的，但有明确的适用前提：

• PDF格式本身没有通用的图片alt-text字段，只有符合可访问性规范的**Tagged PDF（带标签PDF）**会为图片附加Alt属性作为替代描述文本，普通未加标签的PDF不会存储任何图片描述信息，自然无法提取。
• 你之前使用PyMuPDF（fitz）未得到结果，大概率是没有调用文档结构树相关的接口，Alt属性不会随图片资源直接返回，需要从标签结构中单独提取，参考实现逻辑如下：

import fitz

# 打开目标PDF
doc = fitz.open("example.pdf")
# 逐页遍历
for page in doc:
    # 遍历页面结构树的所有元素
    for elem in page.get_struct_tree():
        # 筛选图片类型的标签节点
        if elem.type == "Figure":
            # 读取Alt属性
            alt = elem.get("Alt")
            if alt:
                print(f"对应图片的alt-text：{alt}")

• 如果你处理的PDF都是未加标签的普通文件，不存在原生alt-text，你需要的描述只能通过OCR识别图片内容、调用多模态模型生成，不属于提取PDF原有信息的范畴。
• 直接解压PDF无法拿到alt-text的原因是：Alt属性存储在PDF的文档结构树元数据中，不会和图片的二进制资源绑定存储，解压只能拿到独立的图片文件，无法获取关联的描述信息。

内容的提问来源于stack exchange，提问作者Mat