`import fitz` 是 PyMuPDF 库的导入语句，`fitz` 是该库的模块别名（源自其底层 C 库的名字）

import fitz 是 PyMuPDF 库的导入语句，fitz 是该库的模块别名（源自其底层 C 库的名字）。PyMuPDF 是一个功能强大的 PDF 处理库，支持 PDF 的读取、编辑、渲染、文本提取、图像提取、页面操作（如旋转、分割、合并）、添加注释/水印、甚至生成 PDF 等。

✅ 常见用途示例：

• 提取 PDF 文本：page.get_text()
• 渲染页面为图像（如 PNG）：page.get_pixmap(dpi=150)
• 获取页面信息：doc[0] 获取第一页，page.rect 获取页面尺寸
• 插入/删除/复制页面：doc.insert_pdf()、doc.delete_page()
• 搜索文本：page.search_for("关键词")

⚠️ 注意：

• 需先安装：pip install PyMuPDF
• fitz 不是官方标准库，也不是 matplotlib.pyplot 的别名（常有初学者混淆）；
• 在某些旧版本中可能需 import fitz as fitz，但通常直接 import fitz 即可。

import fitz  # PyMuPDF

# 示例：打开 PDF 并打印页数
doc = fitz.open("example.pdf")
print(f"文档共 {doc.page_count} 页")
doc.close()

使用 fitz（PyMuPDF）提取 PDF 中所有页面的文本并保存为纯文本文件，核心步骤是：打开文档 → 遍历每页 → 调用 page.get_text("text") 提取干净文本 → 累加后写入 .txt 文件。

✅ 推荐做法（兼顾健壮性与可读性）：

• 使用 "text" 模式（默认）获得换行和段落结构较合理的纯文本；
• 添加异常处理防止某页损坏导致中断；
• 可选：在页间插入分隔符（如 "\n{'='*50}\n第{i+1}页\n{'='*50}\n"）便于调试；
• 注意编码：保存为 UTF-8，确保中文等 Unicode 字符正常显示。

import fitz

def pdf_to_text(pdf_path, txt_path):
    try:
        doc = fitz.open(pdf_path)
        full_text = ""
        
        for i, page in enumerate(doc):
            # 提取本页纯文本（自动处理换行、空格、方向）
            text = page.get_text("text").strip()
            if text:
                full_text += f"--- 第{i+1}页 ---\n{text}\n\n"
            else:
                full_text += f"--- 第{i+1}页 ---\n[该页无文本或为扫描图像]\n\n"
        
        # 写入 UTF-8 文本文件
        with open(txt_path, "w", encoding="utf-8") as f:
            f.write(full_text)
        
        print(f"✅ 已成功提取 {doc.page_count} 页文本，保存至：{txt_path}")
        doc.close()
        
    except Exception as e:
        print(f"❌ 提取失败：{e}")

# 使用示例
pdf_to_text("sample.pdf", "output.txt")

⚠️ 重要说明：

• 若 PDF 是扫描版（图像型 PDF），page.get_text() 将返回空字符串 —— 此时需先用 OCR（如 pytesseract + fitz 截图）处理，fitz 本身不带 OCR 功能。
• 如需保留标题/列表/表格逻辑结构，可尝试 "blocks" 或 "dict" 模式后自行解析，但 "text" 最适合通用纯文本导出。