python提取pdf中的文字保存txt

Python可以利用第三方库PyPDF2来读取PDF文件中的文本内容并保存为txt文件。下面是具体步骤：

1. 安装PyPDF2库

在命令行中输入以下命令进行安装：pip install PyPDF2

2. 导入PyPDF2库

将PyPDF2库导入Python代码中，以便使用其中的函数和方法。

3. 打开PDF文件

使用PyPDF2库的PdfFileReader函数打开PDF文件，读取其中的内容。

4. 获取PDF文件中的页数和内容

使用getPage函数和extractText方法，获取PDF文件中的页数和每页的文本内容。

5. 将文本内容保存为txt文件

使用Python内置的open函数，将文本内容保存为txt文件。

下面是示例代码：

import PyPDF2

# 打开PDF文件
pdfFileObj = open('sample.pdf', 'rb')

# 创建PdfFileReader对象
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)

# 获取PDF文件中的页数
numPages = pdfReader.numPages

# 对于每一页，提取其中的文本内容保存为txt文件
with open('result.txt', 'w') as f:
    for page in range(numPages):
        pageObj = pdfReader.getPage(page)
        text = pageObj.extractText()
        f.write(text)

# 关闭pdf文件
pdfFileObj.close()

执行以上代码后，就可以在当前目录下看到一个名为result.txt的文件，其中保存了PDF文件中的所有文本内容。