Skip to content
TheChatArchiveThe Chat Archive
gpt-4-turbo-2024-04-09· OpenAIAi2 WildChat-4.8M (AI2)

python convertire file pdf in txt mantenendo la formattazione

  1. User

    python convertire file pdf in txt mantenendo la formattazione

  2. Assistant

    Per convertire un file PDF in un file di testo (txt) mantenendo la formattazione, ci si può affidare a diverse librerie Python. Una delle librerie più utili per il lavoro con i file PDF in Python è pdfplumber, che offre una buona capacità di preservare la disposizione visiva del testo quando estrae contenuti da PDF.

    Segue un esempio su come poter utilizzare pdfplumber per convertire un PDF in un file di testo, cercando di mantenere il più possibile la formattazione originale:

    1. Installazione della Libreria

      Prima di tutto, installa la libreria pdfplumber usando pip:

      pip install pdfplumber
      
    2. Codice Python per la Conversione

      Ecco uno script di base che legge un file PDF e scrive il contenuto in un file di testo, preservando la formattazione delle righe:

      import pdfplumber
      import os
      
      def convert_pdf_to_text(pdf_path, txt_path):
          with pdfplumber.open(pdf_path) as pdf:
              with open(txt_path, 'w', encoding='utf-8') as f:
                  # Ciclo attraverso le pagine del PDF
                  for page in pdf.pages:
                      text = page.extract_text(x_tolerance=3, y_tolerance=3)  # x_tolerance e y_tolerance aiutano a preservare spazi
                      if text:
                          f.write(text)
                          f.write('\n')  # Aggiunge una linea vuota tra le pagine
      
      if __name__ == "__main__":
          pdf_path = "input.pdf"  # Inserisci qui il percorso del file PDF
          txt_path = "output.txt"  # Inserisci qui il percorso del file TXT di destinazione
          convert_pdf_to_text(pdf_path, txt_path)
      

      In questo script, pdfplumber gestisce l'apertura del PDF e l'estrazione del testo. L'uso di x_tolerance e y_tolerance durante l'estrazione di testo può giocare un ruolo cruciale in come la formattazione viene interpretata, quindi potresti aver bisogno di regolare questi valori in base alle specifiche del tuo documento.

    3. Esecuzione dello script

      Assicurati che il percorso del file PDF sia corretto e poi esegui lo script. Lo script scrive il testo estratto nel file di testo specificato.

    Questo è uno dei modi più semplici per convertire un PDF in un file di testo in Python. Tuttavia, vale la pena notare che la precisione della formattazione può variare a seconda della complessità e della qualità del PDF originale. Se il PDF contiene molte immagini o layout complessi, l'estrazione del testo potrebbe non essere perfetta e potrebbe richiedere ulteriori manipolazioni per ottenere il risultato desiderato.