4.0 KiB

Raw Permalink Blame History

使用 Python 将 PDF 转换为 TXT 文件

原文：https://www.askpython.com/python/examples/convert-pdf-to-txt

在本文中，我们将创建一个简单的 python 脚本来帮助我们将 pdf 转换成 txt 文件。您可以下载各种应用程序，用于将 pdf 转换为 txt 文件。有很多在线应用程序也可用于此目的，但如果您可以使用简单的 python 脚本创建自己的 pdf 到 txt 文件转换器，那该有多酷。

我们开始吧！

Python 中 PDF 转换为 TXT 的步骤

事不宜迟，让我们开始把 pdf 转换成 txt 的步骤。

步骤 01–创建一个 PDF 文件(或找到一个已有的文件)

打开新的 Word 文档。
在 word 文档中键入您选择的一些内容。
现在到文件>打印>保存。
请记住将 pdf 文件保存在保存 python 脚本文件的同一位置。
现在你的。创建并保存 pdf 文件，稍后您可以将其转换为. txt 文件。

步骤 02–安装 PyPDF2

首先，我们将安装一个名为 PyPDF2 的外部模块。
PyPDF2 包是一个纯 python PDF 库，您可以使用它来分割、合并、裁剪和转换 pdf。根据 PyPDF2 网站，你也可以使用 PyPDF2 添加数据、查看选项和密码到 PDF。
要安装 PyPDF2 包，请打开 windows 命令提示符并使用 pip 命令来安装 PyPDF2:

C:\Users\Admin>pip install PyPDF2

Collecting PyPDF2
  Downloading PyPDF2-1.26.0.tar.gz (77 kB)
     |████████████████████████████████| 77 kB 1.9 MB/s
Using legacy 'setup.py install' for PyPDF2, since package 'wheel' is not installed.
Installing collected packages: PyPDF2
    Running setup.py install for PyPDF2 ... done
Successfully installed PyPDF2-1.26.0

这将在您的系统上成功安装您的 PyPDF2 包。一旦它被安装，你就可以开始你的脚本了。

步骤 03–为脚本打开一个新的 Python 文件

打开你的 python IDLE 并按 ctrl + N 键，这将打开你的文本编辑器。
您可以使用您喜欢的任何其他文本编辑器。
将文件另存为 your_pdf_file_name .py。
保存这个。py 文件放在与 pdf 文件相同的位置。

让我们从脚本代码开始

import PyPDF2

#create file object variable
#opening method will be rb
pdffileobj=open('1.pdf','rb')

#create reader variable that will read the pdffileobj
pdfreader=PyPDF2.PdfFileReader(pdffileobj)

#This will store the number of pages of this pdf file
x=pdfreader.numPages

#create a variable that will select the selected number of pages
pageobj=pdfreader.getPage(x+1)

#(x+1) because python indentation starts with 0.
#create text variable which will store all text datafrom pdf file
text=pageobj.extractText()

#save the extracted data from pdf to a txt file
#we will use file handling here
#dont forget to put r before you put the file path
#go to the file location copy the path by right clicking on the file
#click properties and copy the location path and paste it here.
#put "\\your_txtfilename"
file1=open(r"C:\Users\SIDDHI\AppData\Local\Programs\Python\Python38\\1.txt","a")
file1.writelines(text)

下面是代码的快速解释:

我们首先创建一个 Python 文件对象，并以“读取二进制(rb)”模式打开 PDF 文件
然后，我们创建 PdfFileReader 对象，该对象将读取上一步中打开的文件
变量用于存储文件中的页数
最后一部分将把 PDF 中识别的行写入您指定的文本文件

输出:

PDF 文件图像:

转换后的 Txt 文件图像:

简单来说，这是关于如何通过编写自己的 python 脚本将 pdf 文件转换为 txt 文件。试试吧！

4.0 KiB Raw Permalink Blame History Unescape Escape