python将pdf转为txt

import PyPDF2
pdffile=").pdf"
txtfile="(1).txt"
with open(pdffile,"rb") as pdf:
    reader=PyPDF2.PdfReader(pdf)
    text = "".join(page.extract_text() for page in reader.pages)
    with open(txtfile,'w',encoding = 'utf-8') as txt:
        txt.write(text)

批量转换

import os
import PyPDF2
import re

pdf_path = '.\数据PDF'

txt_path = '.\数据TXT'

pdflists = os.listdir(pdf_path)

for pdflist in pdflists:
    
    pdffile = pdf_path + '\\' + pdflist
    
    txtfile = txt_path + '\\' + str(re.findall('(.+).pdf',pdflist)[0]) + '.txt'
    print(txtfile)
    with open(pdffile,"rb") as pdf:
        reader=PyPDF2.PdfReader(pdf)
        text = "".join(page.extract_text() for page in reader.pages)
        with open(txtfile,'w',encoding = 'utf-8') as txt:
            txt.write(text)
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 你好!你可以使用Python中的PyPDF2库来将PDF文件转换为文本文件。 以下是一个简单的示例代码: ``` import PyPDF2 pdf_file = open('example.pdf', 'rb') # 打开PDF文件 pdf_reader = PyPDF2.PdfFileReader(pdf_file) # 创建PDF阅读器对象 page_count = pdf_reader.getNumPages() # 获取页数 with open('example.txt', 'w') as txt_file: # 打开文本文件 for page_num in range(page_count): page = pdf_reader.getPage(page_num) # 获取页面对象 text = page.extractText() # 提取文本内容 txt_file.write(text) # 将文本写入文件 pdf_file.close() # 关闭PDF文件 ``` 请将`example.pdf`替换为你想要转换的PDF文件名,并将`example.txt`替换为你想要保存的文本文件名。运行此代码后,你将在指定的文件夹中找到生成的文本文件。 希望这可以帮助到你! ### 回答2: PDF是一种非常流行的文档格式,但是有些情况下需要将PDF转换成文本格式(如.txt),以方便对文本内容进行编辑或分析。Python是一种流行的编程语言,它具有丰富的库和模块,可以帮助我们简便地批量将PDF转换成TXT。 首先,我们需要安装一个名为PyPDF2的库,它可以帮助我们读取PDF文件,提取文本内容,并将其转换成TXT格式。在安装PyPDF2之前,需要确保计算机上已经安装了Python解释器。 在安装了PyPDF2后,使用Python的os模块可以遍历指定目录下的所有PDF文件,并将PDF文件转换成TXT格式。以下是一个例子: ``` import os import PyPDF2 #指定目录 folder_path = 'path/to/folder' for filename in os.listdir(folder_path): if filename.endswith('.pdf'): pdf_file = open(folder_path + '/' + filename, 'rb') # 二进制读取PDF文件 pdf_reader = PyPDF2.PdfFileReader(pdf_file) text = '' for page in range(pdf_reader.getNumPages()): # 获取PDF文件的所有页数 text += pdf_reader.getPage(page).extractText() + '\n' # 将转换后的文本保存为TXT文件 with open(folder_path + '/' + filename[:-4] + '.txt', 'w') as txt_file: txt_file.write(text) ``` 代码中,我们用PyPDF2读取PDF文件,并将每一页的文本内容合并为一个字符串,最后将这个字符串写入同名的TXT文件。 值得注意的是,PDF文件和TXT文件可能具有不同的编码方式,所以在将文本写入TXT文件时需要指定文件的编码方式(如'utf-8'或'gbk')。另外,PDF文件中的表格、图片等内容转换成TXT格式时可能会失真,需要根据具体情况进行调整。 ### 回答3: Python是一种高级编程语言,因其简单易学,代码易于阅读、理解和维护,以及丰富的第三方库和工具而受到广泛的欢迎。其中,将PDF转换为TXT是一个常见且有用的功能,因为TXT文件可以更方便地进行文本处理和分析,而PDF格式则较难处理和提取。 要用Python批量将PDF转换成TXT,需要使用Pythonpdfminer库。pdfminer是Python的第三方库,用于提取PDF文件中的文本数据。它提供一些用于操作PDF文件的工具,包括将PDF转换为TXT的工具。 以下是将PDF转换为TXT的步骤: 1.安装pdfminer库。可以使用pip命令来安装pdfminer库,如下所示: pip install pdfminer 2.导入pdfminer库。在Python脚本中引入pdfminer库,如下所示: from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter from pdfminer.converter import TextConverter from pdfminer.layout import LAParams from pdfminer.pdfpage import PDFPage from io import StringIO 3.编写转换函数。编写处理PDF文件的函数,该函数将PDF文件转换为文本格式并保存为TXT文件,如下所示: def convert_pdf_to_txt(path): rsrcmgr = PDFResourceManager() retstr = StringIO() codec = 'utf-8' laparams = LAParams() device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams) fp = open(path, 'rb') interpreter = PDFPageInterpreter(rsrcmgr, device) for page in PDFPage.get_pages(fp): interpreter.process_page(page) fp.close() device.close() text = retstr.getvalue() retstr.close() return text 4.遍历文件路径和名称。使用os库遍历需要转换的PDF文件路径和名称。 5.调用转换函数。将遍历的PDF文件路径和名称传递给convert_pdf_to_txt()函数,将其转换为TXT格式文件。 6.保存TXT文件。使用Python的文件处理api,将转换后的TXT文本保存为一个文本文件。(同名不同后缀名) 上述步骤完成后,就可以使用Python批量将PDF文件转换为TXT文件。需要注意的是,在遍历文件时,需要注意文件格式,文件路径和名称的写法,以及转换函数的使用,并根据实际需要进行其他配置调整。此外,PDF转换为文本是一个复杂的过程,需要耗费较多的计算资源,而且因PDF文件格式种类繁多,因此可能会有一些转换问题,需要根据实际情况进行调整。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小蜗笔记

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值