迹忆客 专注技术分享

Python 框架不仅仅用于构建应用程序。 我们可以使用 Python 将 PDF 文档转换为 .txt 文件。

当我们将 PDF 文件转换为文本时，页面内容变为可编辑，这是 PDF 文件不可能做到的。 我们可以使用不同的库将 PDF 转换为文本。 让我们尝试一些。

使用 PyPDF2 在 Python 中将 PDF 转换为文本

我们将使用的第一个方法是 PyPDF2 库。 我们将在终端内使用 pip install PyPDF2 安装它。

完成后，我们将创建一个新文件并将其命名为 new.py。 接下来，我们将导航到文件并输入这些代码。

代码片段- new.py：

import PyPDF2

pdfFileObj = open(r'C:\Users\HP\Desktop\BOOKS\Ching.pdf', 'rb')

pdfReader = PyPDF2.PdfFileReader(pdfFileObj)

print(pdfReader.numPages)

pageObj = pdfReader.getPage(0)

print(pageObj.extractText())

pdfFileObj.close()

运行此代码后，请稍等片刻。 您应该在终端内看到纯文本，然后您可以将其复制并粘贴到 Word 文档或记事本中。

输出：

使用 Aspose 在 Python 中将 PDF 转换为文本

Aspose PDF 到 Python 的文本转换器提供了比 PyPDF2 更短的代码片段，但它同样高效。 此外，Aspose 将文本创建到 .txt 文件中，这与第一个在终端内生成文本内容的示例不同。

我们将从我们的终端安装 Aspose：pip install aspose-words。 安装后，创建一个新文件来存放代码，然后放入这些代码片段。

代码片段- new.py：

import aspose.words as aw

doc = aw.Document(r"C:\Users\HP\Desktop\BOOKS\Ching.pdf")
doc.save(r"C:\Users\HP\Desktop\BOOKS\text\doc.txt")

导入 Aspose 后，我们声明要转换为文本的文件的路径。 然后，我们在 doc.save 中声明 .txt 文件的目标路径。

输出：

使用 PDFminer 在 Python 中将 PDF 转换为文本

最后，我们将使用 PDFminer 从 PDF 中提取文本。 我们将观察到 PDFminer 比 PyPDF 提取更多的文本并且需要更少的代码。

通过在终端中输入 pip install pdfminer.six 来安装 PDFminer。 安装后，创建一个新的 Python 文件，将其命名为 new.py 或您选择的任何名称，然后输入这些代码。

from pdfminer.high_level import extract_text

text = extract_text(r'C:\Users\HP\Desktop\BOOKS\Ching.pdf')
print(repr(text))

片刻之后，您将在终端中看到文本。 然后您可以将其从那里复制到文档中。

总结

我们大多数人通常都喜欢上网将 PDF 文件转换为文本，但发现我们可以用 Python 做到这一点，可以减轻我们上网的压力，也可以帮助我们应对网络上泄露敏感数据的风险。