extrair_pdf.py

#Colar no Jupyter Notebook
import fitz  # PyMuPDF

def extract_text_from_pdf(pdf_path):
    text = ""
    try:
        # Abrir o documento
        pdf_document = fitz.open(pdf_path)

        # Iterar entre as páginas
        for page_number in range(pdf_document.page_count):
            # Conseguir a página
            page = pdf_document[page_number]

            # Extrair texto da página
            text += page.get_text()

        # Fechar o documento
        pdf_document.close()

    except Exception as e:
        print(f"Ocorreu um erro: {e}")

    return text

# Exemplo
pdf_path = "nome_do_arquivo.pdf"
extracted_text = extract_text_from_pdf(pdf_path)

# Imprimir ou usar o texto
print(extracted_text)