利用Python将PDF文件转换为文本文件

虽然PDF文件对文本布局非常好，容易打印并阅读，但软件要将它们解析为纯文本并不容易，Python目前解析PDF的扩展包有很多。

通过查询资料，建议使用pdfplumber扩展包来解析PDF文档的文本和表格。本文介绍如何通过pdfplumber获取PDF的文本。

 一

准备工作

确保安装了以下库：

• pdfplumber

若没安装，请在命令行使用以下语句进行安装：

pip install pdfplumber

 二

pdfplumber

pdfplumber中有两个基础类，PDF和Page。PDF用来处理整个文档，Page用来处理整个页面。

1.1 pdfplumber.PDF类

• .metadata: 获取pdf基础信息，返回字典

• pages 一个包含pdfplumber.Page实例的列表，每一个实例代表pdf每一页的信息。

1.2 pdfplumber.Page类

pdfplumber核心功能，对PDF的大部分操作都是基于这个类，包括提取文本、表格、尺寸等。

 三

pdfplumber的使用指南

使用 pdfplumber 库解析 PDF 的分步指南。

步骤 1：安装 pdfplumber 库 首先，您需要安装 pdfplumber 库。这可以通过运行以下命令使用 pip 来完成：

pip install pdfplumber

步骤 2：导入库 安