在Python中将PDF文件转换为文本文件

Question

我已经花了几天时间在互联网上研究如何从pdf文件中获取特定信息。最终，我使用Python从文本文件中提取了所有信息(通过转换成文本文件的方式，首先打开PDF文件，然后选择“文件”菜单，最后将其另存为文本文件并保存到相同目录下)。

问题是如何让Python完成这些任务。要实现这个目标，需要使用open("file path")打开PDF文件, 点击菜单中的"文件"，然后将文件另存为文本文件并保存到相同目录下。

需要注意的是，我不需要pdfminer或pypdf库，因为我已经通过手动将其转换为txt格式来提取了相应信息。

- Jenny_V

---

有一个Web应用程序和一个模块，可以将mypdf.pdf pdf2txt.py进行转换。请查看一下。 - cwahls

是的，我知道这一点。但我想通过最终自动化这个过程来实现它，所以我需要通过Python命令来完成。正如我所说，我能够在没有Web应用程序的情况下执行此操作，只需进入PDF文件并将其保存为文本即可 - 这就是我想要告诉Python要做的事情。谢谢您的反馈，克莱顿！ - Jenny_V

Answer 1

您可以使用从http://www.foolabs.com/xpdf/download.html下载的pdftotext.exe，然后通过Python在PDF文件上执行它：

import os
import glob
import subprocess

#remember to put your pdftotxt.exe to the folder with your pdf files 
for filename in glob.glob(os.getcwd() + '\\*.pdf'):
    subprocess.call([os.getcwd() + '\\pdftotext', filename, filename[0:-4]+".txt"])

至少对我的一个项目起作用了。

- pawelty

---

谢谢pawelty，但它似乎没有做任何事情。'[: import os import glob import subprocessfor filename in glob.glob(os.getcwd() + 'C:\PDFs\ConfirmationPDF.pdf'): subprocess.call([os.getcwd() + 'C:\PDFs\pdftotext.exe', filename, filename[0:-4]+'txt']) '. PDF的名称是confirmationpdf.pdf，我将pdftotext.exe保存在同一位置。我做错了什么吗？ - Jenny_V

首先使用 os.chdir('C:\PDFs\') 命令将工作目录更改为 C:\PDFs\。更改工作目录后，您无需更改我提供的代码中的任何内容。完成后，只需检查您的文件夹是否存在 txt 文件即可。如果成功，请告诉我。 - pawelty

是的，谢谢 :) 它起作用了，但是文本中包含UTF-8编码，并且它没有将这些数据传输到文本文件中，基本上只接受数字和英文字母。有什么解决办法吗？ - Jenny_V

不确定，也许有人会知道...将PDF转换为文本往往很棘手，经常会导致问题... - pawelty

A#ebill#embeddedEmail#[e-mail]#Z1251026416 / 12/05/2016 13/04/2016 20147366
13/05/2016
1 :( ) " " 17 ,36 " 7566132 [e-mail]59.31 59.30 10.08 69.39, " " 17.00% " " "69.39 - Jenny_V

Answer 2

你可以使用"tabula" 的Python库。虽然它基本上使用Java，所以你必须安装Java SDK和JDK。 "pip install tabula" 然后将其导入到Python脚本中，你就可以将PDF转换为文本文件，如下所示： tabula.convert_into("path_or_name_of_pdf.pdf","output.txt",output_format="csv",pages='all') 你可以在谷歌上查看其他功能。这对我很有用。 干杯！

- piyush tiwari