Извлечь контент из PDF через Python

Извлечь все элементы PDF файла (текст, изображения, графики, формулы) <br><a href="https://drive.google.com/file/d/16Hqa5crsdh90Fa_zM0t2jonWeflid3Km/view?usp=sharing">ссылка</a> на файл<br> <br>используя Python-библиотеки:<br><br><strong>PyPDF2</strong> или <strong>pdfplumber</strong> для текста.<strong>PyMuPDF (fitz)</strong> для извлечения изображений и графиков.<strong>pytesseract</strong> для OCR, для текста встроеного в изображения.Код для извлечения:<div>import fitz # PyMuPDF для PDF</div><div># Открываем PDF</div><div>pdf_file = "file.pdf"</div><div>doc = fitz.open(pdf_file)</div><div># Извлекаем содержимое</div><div>for page_num in range(len(doc)):</div><div> page = doc[page_num]</div><div> text = page.get_text("text") # Извлекаем текст</div><div> images = page.get_images(full=True) # Извлекаем изображения</div><div><br></div><div> # Обрабатываем изображения</div><div> for img_index, img in enumerate(images):</div><div> xref = img[0]</div><div> base_image = doc.extract_image(xref)</div><div> image_bytes = base_image["image"]</div><div><br></div><div> # Сохраняем изображения как файл (например, PNG)</div><div> with open(f"image_page{page_num}_{img_index}.png", "wb") as img_file:</div><div> img_file.write(image_bytes)</div><div><br></div><div>print("Извлечение завершено.")</div><div><br></div>