python办公自动化| PDF文档提取文字

应用需求

将PDF文件内的文字提取出来，并保存在文本文档中。

应用第三方库

pdfplumber

安装：pip install pdfplumber

代码实现

import pdfplumber  # 导入第三方库
with pdfplumber.open(r'C:\Users\文文\Desktop\初级会计\初级会计第一套.pdf') as pdf:  # 打开目标PDF文档
    page01 = pdf.pages[0]  # 指定页码
    text = page01.extract_text()  # 读取PDF文档文字
    text_file = open(r'C:\Users\文文\Desktop\初级会计.txt', mode='a', encoding='utf-8')  # 以a方式打开文本文档
    text_file.write(text)  # 将PDF文档读取的文字写入text_file

拓展

Python3 open() 函数

Python open() 函数用于打开一个文件，并返回文件对象，在对文件进行处理过程都需要使用到这个函数，如果该文件无法被打开，会抛出 OSError。

注意：使用 open() 函数一定要保证关闭文件对象，即调用 close() 函数。

open() 函数常用形式是接收两个参数：文件名(file)和模式(mode)。

完整的语法格式为：

open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)

参数说明:

• file: 必需，文件路径（相对或者绝对路径）。
• mode: 可选，文件打开模式
• buffering: 设置缓冲
• encoding: 一般使用utf8
• errors: 报错级别
• newline: 区分换行符
• closefd: 传入的file参数类型

mode 参数有：

默认为文本模式，如果要以二进制模式打开，加上 b 。

关注我