大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章主要为大家展示了PyPDF2读取PDF文件内容如何保存到本地TXT,内容简而易懂,希望大家可以学习一下,学习完之后肯定会有收获的,下面让小编带大家一起来看看吧。
创新互联建站坚持“要么做到,要么别承诺”的工作理念,服务领域包括:成都做网站、网站建设、企业官网、英文网站、手机端网站、网站推广等服务,满足客户于互联网时代的牡丹江网站设计、移动媒体设计的需求,帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴!我就废话不多说了,大家还是直接看代码吧!
from PyPDF2.pdf import PdfFileReader import pandas as pd def Pdf_to_txt(pdf): for i in range(0, pdf.getNumPages()): title = [] lin1, lin2, lin3, lin4, lin5, lin6, lin7, lin8 = [], [], [], [], [], [], [], [] extractedText = pdf.getPage(i).extractText() text = extractedText.split('\n') num = 0 for lin in text: if num == 0: title.append(lin) elif num == 1: lin1.append(lin) elif num == 2: lin2.append(lin) elif num == 3: lin3.append(lin) elif num == 4: lin4.append(lin) elif num == 5: lin5.append(lin) elif num == 6: lin6.append(lin) elif num == 7: lin7.append(lin) elif num == 8: lin8.append(lin) num = 0 num += 1 Lin_num = len(lin8) data = {'Lin1': lin1[:Lin_num], 'Lin2': lin2[:Lin_num], 'Lin3': lin3[:Lin_num], 'Lin4': lin4[:Lin_num], 'Lin5': lin5[:Lin_num], 'Lin6': lin6[:Lin_num], 'Lin7': lin7[:Lin_num], 'Lin8': lin8[:Lin_num]} df = pd.DataFrame(data, columns=['Lin1', 'Lin2', 'Lin3', 'Lin4', 'Lin5', 'Lin6', 'Lin7', 'Lin8']) file_name = title[0] + '_page' + str((i + 1)) df.to_csv('tool/pdf解析/%s.txt' % file_name, index=False, sep='\t') if __name__ == '__main__': filename = 'E:/SVN/采集框架V2/analyse_code/政策/pdf/con026465.pdf' pdf = PdfFileReader(open(filename, "rb")) Pdf_to_txt(pdf)