Python-Pdf转Markdown

使用pdfminer.six+markdownify

• pdfminer.six可以提取Pdf文本内容
• markdownify可以将文本内容写markdown文件

安装

pip install pdfminer.six 
pip install markdownify

实现

from pdfminer.high_level import extract_text
from markdownify import markdownify

def pdf2markdown(pdf_path):
    # 提取 PDF 文本
    raw_text = extract_text(pdf_path)
    # 将原始文本转换为 Markdown 格式
    markdown_text = markdownify(raw_text)
    return markdown_text

data = pdf_to_markdown("./22.pdf")
file = open('./example.md', 'w',  encoding='utf-8')
# 写入字符串到文件
file.write(data)
# 关闭文件
file.close()