這篇文章主要為大家展示了PyPDF2讀取PDF文件內(nèi)容如何保存到本地TXT,內(nèi)容簡而易懂,希望大家可以學習一下,學習完之后肯定會有收獲的,下面讓小編帶大家一起來看看吧。
創(chuàng)新互聯(lián)建站堅持“要么做到,要么別承諾”的工作理念,服務領域包括:成都做網(wǎng)站、網(wǎng)站建設、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣等服務,滿足客戶于互聯(lián)網(wǎng)時代的牡丹江網(wǎng)站設計、移動媒體設計的需求,幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡建設合作伙伴!我就廢話不多說了,大家還是直接看代碼吧!
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)
網(wǎng)頁題目:PyPDF2讀取PDF文件內(nèi)容如何保存到本地TXT-創(chuàng)新互聯(lián)
分享URL:http://bm7419.com/article0/ddhpoo.html
成都網(wǎng)站建設公司_創(chuàng)新互聯(lián),為您提供企業(yè)建站、商城網(wǎng)站、網(wǎng)站改版、品牌網(wǎng)站設計、品牌網(wǎng)站制作、手機網(wǎng)站建設
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)