python批量将年报pdf转换成txt

在Python中，可以使用PDF处理库如`PyPDF2`和文本处理库如`pdfplumber`或`tabula-py`来批量将PDF文件转换成TXT文件。以下是一个基本的步骤：

1. **安装必要的库**：
首先需要安装这两个库，如果还没有安装，可以在命令行中运行：

   pip install PyPDF2 pdfplumber tabula-py

2. **读取PDF文件**：
使用`PyPDF2`读取PDF，例如：

   import PyPDF2

   def read_pdf(pdf_file):
       with open(pdf_file, 'rb') as f:
           reader = PyPDF2.PdfFileReader(f)
           pages = [page.extract_text() for page in range(reader.numPages)]

或者使用`pdfplumber`：

   from pdfplumber import PDF

   def read_pdf_plumber(pdf_file):
       with PDF(pdf_file) as pdf:
           text = ''
           for page in pdf.pages:
               text += page.extract_text()

3. **转换并保存为TXT**：
将提取的文本保存到TXT文件中：

   def save_to_txt(file_name, content):
       with open(file_name + '.txt', 'w', encoding='utf-8') as f:
           f.write(content)

4. **批量处理**：
创建一个函数来批量应用上述操作：

   def batch_convert(pdfs_folder, output_folder):
       if not os.path.exists(output_folder):
           os.makedirs(output_folder)

       pdf_files = glob.glob(os.path.join(pdfs_folder, '*.pdf'))
       for pdf_file in pdf_files:
           file_name = os.path.splitext(os.path.basename(pdf_file))[0]
           txt_file_path = os.path.join(output_folder, file_name + '.txt')
           # 调用相应的函数
           converted_content = read_pdf(pdf_file)
           save_to_txt(txt_file_path, converted_content)

5. **调用批量转换函数**：
给定一个包含PDF文件的目录路径和输出目录，调用`batch_convert`函数。