基于Python将PDF格式转为txt格式文本

原创最新推荐文章于 2026-09-18 09:50:30 发布 3.5k 阅读 AI写同款

网络安全_入门教程

码龄4年墨衍会员 · AI 创作全网分发

1万+粉丝2151篇原创

关注

Python PDF解析利器：pdfplumber | AI应用开发 pdf文档解析工具阅读详情

AI摘要

文章讲述了如何使用Python的pdfplumber库将大量PDF文件转换为TXT格式，同时提及了在需要读取PDF图片时的图像识别技术。此外，还提供了Python学习资源，包括安装、Web开发、爬虫、数据分析和就业准备等内容。,

我们的工作内容是对上市公司的定期公告进行分析。

其中一环节是对大量的pdf格式的文件进行文本处理。

此次的示例，是随机选中的文本内容，共计344个pdf格式文件。

分析过程中对图片图表的需求并不大，将pdf批量转换成txt文本内容已经满足。如果考虑格式以及图片的读取，可以使用Python将pdf转csv、Word。

使用Python调用pdfplumber库，将将PDF格式转为txt格式文本。

首先安装pdfplumber库：

pip install pdfplumber

使用以下Python脚本来遍历指定文件夹中的所有PDF文件，将它们转换为TXT格式，并保存在一个新的文件夹：

import os
import pdfplumber

# 源文件夹路径
source_folder = "D:\\daku\\东鹏\\pdf"
# 目标文件夹路径，用于保存TXT文件
target_folder = "D:\\daku\\东鹏\\txt_exports"

# 如果目标文件夹不存在，则创建它
if not os.path.exists(target_folder):
    os.makedirs(target_folder)

# 遍历源文件夹中的所有文件
for filename in os.listdir(source_folder):
    if filename.endswith(".pdf"):
        # 构建完整的文件路径
        file_path = os.path.join(source_folder, filename)

        # 使用pdfplumber打开PDF文件
        with pdfplumber.open(file_path) as pdf:
            # 初始化一个空字符串来保存文本内容
            text = ""

            # 遍历PDF中的每一页
            for page in pdf.pages:
                # 提取页面的文本并添加到text变量中
                text += page.extract_text()
                text += "\n\n"  # 添加换行符以分隔不同页面的内容

        # 构建目标TXT文件的路径，文件名保持不变，只是扩展名改为.txt
        txt_file_path = os.path.join(target_folder, filename.replace(".pdf", ".txt"))

        # 将文本内容写入TXT文件
        with open(txt_file_path, "w", encoding="utf-8") as txt_file:
            txt_file.write(text)

        print(f"已转换文件: {filename} -> {txt_file_path}")