Python批量提取PDF文件中文本的脚本


            本文实例为大家分享了Python批量提取PDF文件中文本的具体代码，供大家参考，具体内容如下

首先需要执行命令pip install pdfminer3k来安装处理PDF文件的扩展库。







import os

import sys

import time



pdfs = (pdfs for pdfs in os.listdir('.') if pdfs.endswith('.pdf'))



for pdf1 in pdfs:

 pdf = pdf1.replace(' ', '_').replace('-', '_').replace('&', '_')

 os.rename(pdf1, pdf)

 print('='*30)

 print(pdf)

 

 txt = pdf[:-4] + '.txt'

 exe = '"' + sys.executable + '" "'

 pdf2txt = os.path.dirname(sys.executable)

 pdf2txt = pdf2txt + '\\scripts\\pdf2txt.py" -o '

 try:

 #调用命令行工具pdf2txt.py进行转换

 #如果pdf加密过可以改写下面的代码

 #在-o前面使用-P来指定密码

 cmd = exe + pdf2txt + txt + ' ' + pdf

 os.popen(cmd)

 #转换需要一定时间，一般小文件2秒钟足够了

 time.sleep(2)

 #输出转换后的文本，前200个字符

 with open(txt, encoding='utf8') as fp:

  print(fp.read(200))

 except:

 pass





来源：python小屋

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。