python利用pdfplumber对pdf文件进行读取与保存

 获取pdf文件列表

#遍历文件夹中的每一个pdf
import os
file_dir=r"文件夹路径"
file_list=[]
for files in os.walk(file_dir):
    for file in files[2]:
        if os.path.splitext(file)[1]=='.pdf' or os.path.splitext(file)[1]=='.PDF':
            file_list.append(file_dir+ '/' + file)

os.walk()返回一个生成器，每次迭代会返回一个元组，包含当前目录的路径、当前目录下的子目录列表和当前目录下的文件列表。在这个元组中，files[2]代表当前目录下的所有文件列表。

因此，在for循环中，for file in files[2]表示遍历当前目录下的所有文件。文件列表files[2]中存储了当前目录下的所有文件名，通过这个for循环可以逐个处理当前目录下的每个文件。

生成txt文件

#将pdf生成txt文件
import os
import pdfplumber

file_dir = "文件夹路径"
output_dir = "output路径"  # 存放txt文件的目录

if not os.path.exists(output_dir):
    os.makedirs(output_dir)

for file in file_list:
    pdf_path = os.path.join(file_dir, file)
    with pdfplumber.open(pdf_path) as pdf:
        text_all = []
        for page in pdf.pages:
            text = page.extract_text()
            text_all.append(text)
        text_a = ''.join(text_all)
        
        # 生成同名的txt文件
        txt_filename = os.path.splitext(os.path.basename(file))[0] + '.txt'
        txt_path = os.path.join(output_dir, txt_filename)
        with open(txt_path, 'w', encoding='utf-8') as f:
            f.write(text_a)

通过遍历file_list中的文件路径，使用pdfplumber打开每个PDF文件，并提取其中的文本信息。然后，将提取的文本信息写入一个同名的TXT文件中，并保存到指定的目录output_dir下。