PDF文档的文本处理

1 使用ABBYYFineReaderPortable将PDF文档转化为word文档。

2 利用python将word文档按照段落写入excel中，方便后续的处理。

import xlsxwriter
from docx import Document

document = Document('F:\研究生\研二上\兽药数据\高效知识图谱构建\教辅资料\Plumb’s Veterinary Drug Handbook.docx') 
workbook = xlsxwriter.Workbook('Plumb’s.xlsx')  # 创建工作簿
worksheet = workbook.add_worksheet()  # 创建工作表
i = 0
for paragraph in document.paragraphs:
    row = 'A' + str(i)
    worksheet.write(row, paragraph.text)
    i += 1
workbook.close()

ps from docx import Document报错的问题出现错误，安装python-docx即可。