### 使用 Python 批量提取 PDF 文本并保存为 TXT 为了实现从多个 PDF 文件中提取文本并将这些文本保存至 `.txt` 文件，可以采用如下方法： 对于每一个 PDF 文件，在执行内容提取前先打印当前处理的文件名称以便追踪进度。这可以通过遍历指定路径下的所有 PDF 文件来完成，并利用 `extract_pdf_content()` 函数获取文档的内容[^1]。 ```python import os from some_library import extract_pdf_content # 假设这是用来提取PDF内容的一个函数 mydict = {} for pdf in pdfs: key = pdf.split('/')[-1] if not key in mydict: print(f"Extracting content from {pdf} ...") mydict[key] = extract_pdf_content(pdf) path = 'x1' if __name__ == '__main__': path = 'x1' pdfList = os.listdir(path) # 批量读取存储 pdf_num = 0 for li in pdfList: try: pdffile = open(os.path.join(path, li), "rb") content = read(pdffile) txt_filename = re.sub(r'.pdf$', '.txt', li) output_path = os.path.join('txt/', txt_filename) with open(output_path, 'w+', encoding='utf8') as f: f.write(content) pdf_num += 1 print(f"DONE: {li}") except Exception as e: print(e) continue print(f'number of done-article:{pdf_num}') ``` 上述代码片段展示了如何通过循环迭代目录中的每个 PDF 文件来进行操作。这里还包含了错误处理逻辑以应对可能发生的异常情况，例如无法打开某些文件的情况。此外，正则表达式的应用使得能够有效地替换文件扩展名从而创建对应的 .txt 文件名[^2]。 值得注意的是，实际的应用场景下应当选择合适的库如 PyPDF2 或者更强大的工具像 pdfplumber 来进行更加精确和高效的文本提取工作[^4]。 #### 提升效率与准确性的小贴士 - **优化性能**：如果面对大量 PDF 文件，则考虑多线程或多进程的方式加速整个流程。 - **提高质量**：针对特定类型的 PDF（尤其是含有复杂布局或图片），调整所使用的解析器参数或者尝试不同的库可能会得到更好的效果。