利用python将双栏pdf转化为text

         下载的诸多论文都是双栏排布，这位转化为doc、text等操作时带来了巨大的麻烦，下面小杨介绍一个方法可以有效进行转化。

---

目录

【1】思路

【2】切割网站

【3】PDF2TEXT

【1】思路

        双栏排布的pdf文章可以首先通过分割的方法将其分割为单栏输出，在使用python提取text，并且去除多余的回车导致的空格。

【2】切割网站

Split PDF pages in the middle using DeftPDF online for free

【3】PDF2TEXT

        需要首先安装第三方包 pip install pdfplumber,再运行代码

import pdfplumber

#PDF转Text

with pdfplumber.open("D:\Jupyter\KG_DATA\split\白杨河超大型铀铍矿床构造控矿作用分析.pdf") as p:
    for i in range(9):
        page = p.pages[i]
        textdata = page.extract_text()
        # 去除多余回车导致的换行
        text_content = textdata.replace("\n", "")
        print(text_content)
        with open(f'text.txt', 'a', encoding='utf-8') as f:
            f.write(text_content)