admin管理员组

文章数量:1130349

用途：批量提取pdf中的文本信息

主要使用库：pdfplumber、os、docx

第一步：定义函数：输入PDF文件的文件路径，即可获取文本

# 导入PDF所在的文件路径，返回文本信息
import pdfplumber
 
def pdf2txt(pdf_path):
    txt = ''
    with pdfplumber.open(pdf_path) as pdf:
        for page in pdf.pages:
            txt = txt + page.extract_text()
    return txt

第二步：定义函数：获取文件夹中的文件路径，并保存在列表，需输入的是PDF所在文件夹

#获取文件夹中的文件位置
import os

def get_file_paths(folder):
    file_paths = []
    for root, dirs, files in os.walk(folder):
        for file in files:
            file_path = os.path.join(root, file)
            file_paths.append(file_path)
    return file_paths

第三步：填写保存PDF文件的文件夹路径，获取PDF文件路径

# 填写要提取文件路径的文件夹路径
folder_path = r"文件路径"
file_paths = get_file_paths(folder_path)
print(file_paths)

第四步：

# 导入docx库（主要）
from docx import Document
# 其他用于设置字体等信息所需

用途：批量提取pdf中的文本信息

主要使用库：pdfplumber、os、docx

第一步：定义函数：输入PDF文件的文件路径，即可获取文本

# 导入PDF所在的文件路径，返回文本信息
import pdfplumber
 
def pdf2txt(pdf_path):
    txt = ''
    with pdfplumber.open(pdf_path) as pdf:
        for page in pdf.pages:
            txt = txt + page.extract_text()
    return txt

第二步：定义函数：获取文件夹中的文件路径，并保存在列表，需输入的是PDF所在文件夹

#获取文件夹中的文件位置
import os

def get_file_paths(folder):
    file_paths = []
    for root, dirs, files in os.walk(folder):
        for file in files:
            file_path = os.path.join(root, file)
            file_paths.append(file_path)
    return file_paths

第三步：填写保存PDF文件的文件夹路径，获取PDF文件路径

# 填写要提取文件路径的文件夹路径
folder_path = r"文件路径"
file_paths = get_file_paths(folder_path)
print(file_paths)

第四步：

# 导入docx库（主要）
from docx import Document
# 其他用于设置字体等信息所需

本文标签： 文件批量pdfWord

版权声明：本文标题：实操练习—批量处理：PDF文件转为word文件 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://it.en369.cn/jiaocheng/1763670765a2953107.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。