怎么用Python批量提取PDF中的信息

43次阅读

共计 919 个字符，预计需要花费 3 分钟才能阅读完成。

要使用 Python 批量提取 PDF 中的信息，可以使用 Python 的一个库叫做 PyPDF2。下面是一个简单的例子，可以帮助你开始提取 PDF 中的文本信息：

首先，你需要安装 PyPDF2 库。可以使用以下命令在终端或命令提示符中安装该库：

pip install PyPDF2

然后，你可以使用以下代码来提取 PDF 中的文本信息：

import PyPDF2

def extract_text_from_pdf(pdf_path):
    with open(pdf_path, 'rb') as file:
        pdf = PyPDF2.PdfFileReader(file)
        text = ""
        for page_number in range(pdf.getNumPages()):
            page = pdf.getPage(page_number)
            text += page.extractText()
        return text

# 批量提取 PDF 中的文本信息 
pdf_folder = "pdf 文件夹路径 "
output_folder = " 输出文件夹路径 "

import os

for filename in os.listdir(pdf_folder):
    if filename.endswith(".pdf"):
        pdf_path = os.path.join(pdf_folder, filename)
        text = extract_text_from_pdf(pdf_path)
        
        output_path = os.path.join(output_folder, f"{filename}.txt")
        with open(output_path, 'w', encoding='utf-8') as file:
            file.write(text)