108 lines
4.0 KiB
Markdown
108 lines
4.0 KiB
Markdown
# 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](https://www.askpython.com/python-modules/python-pip)来安装 PyPDF2:
|
||
|
||
```py
|
||
C:\Users\Admin>pip install PyPDF2
|
||
|
||
```
|
||
|
||
```py
|
||
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
|
||
|
||
```py
|
||
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](https://www.askpython.com/python/built-in-methods/open-files-in-python)，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！ |