PyMuPDF中的段落提取

import fitz

doc = fitz.open('example.pdf')

for page in doc:
    # 在每一页中查找段落
    blocks = page.getText("blocks")
    paragraphs = []
    current_paragraph = ""
    
    # 遍历每个文本块
    for b in blocks:
        # 如果文本块是一个段落的一部分，则将其添加到当前段落中
        if b[4] == 0:
            current_paragraph += b[4]
        # 如果文本块是一个新段落的开始，则将当前段落添加到段落列表中，并开始一个新段落
        elif b[4] == 1:
            paragraphs.append(current_paragraph)
            current_paragraph = ""
    
    # 将最后一个段落添加到段落列表中
    paragraphs.append(current_paragraph)
    
    # 打印每一页的段落
    for paragraph in paragraphs:
        print(paragraph)

doc.close()