### Python提取PDF文件中文字的代码实现 以下是基于Python编写的代码示例，用于从单个或多个PDF文件中提取文字内容并保存至文本文件： #### 单个PDF文件的文字提取 可以使用`pdfminer.six`库来完成此操作。该库提供了高级接口`extract_text()`方法，能够轻松提取PDF中的纯文本。 ```python from pdfminer.high_level import extract_text def extract_pdf_to_txt(pdf_path, txt_path): # 提取PDF中的文本 text = extract_text(pdf_path) # 将文本写入txt文件 with open(txt_path, 'w', encoding='utf-8') as f: f.write(text) # 调用函数 pdf_file_path = 'example.pdf' # 替换为你的PDF文件路径 txt_file_path = 'output.txt' # 输出的TXT文件路径 extract_pdf_to_txt(pdf_file_path, txt_file_path) print(f"PDF 文本已成功提取到 {txt_file_path}") ``` 这段代码通过`extract_text()`方法读取PDF的内容，并将其存储在一个字符串变量中[^2]。随后利用标准I/O流将数据写入目标`.txt`文件。 --- #### 批量处理所有PDF文件 如果需要一次性处理整个目录下的所有PDF文档，则可以通过遍历文件夹的方式逐一执行上述逻辑。 ```python import os from pdfminer.high_level import extract_text def batch_extract_pdfs(input_folder, output_folder): # 创建输出文件夹（如果不存在） if not os.path.exists(output_folder): os.makedirs(output_folder) # 遍历输入文件夹中的所有PDF文件 for filename in os.listdir(input_folder): if filename.endswith('.pdf'): pdf_path = os.path.join(input_folder, filename) txt_filename = os.path.splitext(filename)[0] + '.txt' txt_path = os.path.join(output_folder, txt_filename) try: # 提取PDF中的文本 text = extract_text(pdf_path) # 将文本写入对应的TXT文件 with open(txt_path, 'w', encoding='utf-8') as f: f.write(text) print(f"{filename} 的文本已成功提取到 {txt_path}") except Exception as e: print(f"无法处理文件 {filename}: {e}") # 设置参数 input_folder = './pdfs/' # 输入PDF文件所在的文件夹 output_folder = './texts/' # 输出TXT文件的目标文件夹 batch_extract_pdfs(input_folder, output_folder) ``` 在此部分代码中，引入了`os`模块以便于管理操作系统级别的功能，比如访问文件系统和创建新目录。循环结构允许逐一遍历指定文件夹内的每一个PDF文件，并分别生成相应的TXT版本[^1]。 --- #### 安装依赖项 为了使以上代码正常工作，请先安装所需的第三方库： ```bash pip install pdfminer.six ``` 这一步骤确保环境中具备必要的工具支持以解析PDF格式的数据源[^3]。 ---