python convertire file pdf in txt mantenendo la formattazione
- User
python convertire file pdf in txt mantenendo la formattazione
- 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
pdfplumberper convertire un PDF in un file di testo, cercando di mantenere il più possibile la formattazione originale:-
Installazione della Libreria
Prima di tutto, installa la libreria
pdfplumberusando pip:pip install pdfplumber -
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,
pdfplumbergestisce l'apertura del PDF e l'estrazione del testo. L'uso dix_toleranceey_tolerancedurante 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. -
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.
-