清理PDF文本

以下是一个清理PDF文本的示例代码：

import PyPDF2
import re

def clean_pdf_text(file_path):
    # 打开PDF文件
    with open(file_path, 'rb') as file:
        pdf = PyPDF2.PdfFileReader(file)
        
        # 读取每一页的文本内容
        text = ""
        for page_num in range(pdf.numPages):
            page = pdf.getPage(page_num)
            text += page.extractText()
        
        # 清理文本
        cleaned_text = re.sub(r'\s+', ' ', text)  # 去除多余的空白字符
        cleaned_text = re.sub(r'\n', '', cleaned_text)  # 去除换行符
        
        return cleaned_text

# 使用示例
pdf_file_path = 'example.pdf'
cleaned_text = clean_pdf_text(pdf_file_path)
print(cleaned_text)

这段代码使用PyPDF2库来读取PDF文件并提取文本内容。然后使用正则表达式来清理文本，去除多余的空白字符和换行符。最后返回清理后的文本内容。

请注意，由于PDF的格式多样性，文本提取可能不总是非常准确。在实际应用中，您可能需要根据具体情况对文本清理代码进行进一步的调整和优化。